隨機信號處理原理與實踐（第二版）

目錄
第1章 離散時間信號處理基礎 1
1.1 離散時間信號 1
1.1.1 常用離散時間信號 1
1.1.2 序列的基本運算 2
1.2 離散時間系統(tǒng) 3
1.2.1 離散時間系統(tǒng)的分類 4
1.2.2 離散 LTI系統(tǒng)的響應 5
1.3 傅里葉變換 6
1.3.1 離散時間傅里葉變換 7
1.3.2 離散傅里葉變換 9
1.3.3 快速傅里葉變換 10
1.4 z變換 12
1.4.1 z變換的定義及收斂域 12
1.4.2 逆z變換 14
1.5 數(shù)字濾波器 14
1.5.1 系統(tǒng)函數(shù) 15
1.5.2 頻率響應 16
1.5.3 格型濾波器 17
1.6 離散時間系統(tǒng)的狀態(tài)變量分析 21
1.6.1 狀態(tài)變量與狀態(tài)方程 22
1.6.2 狀態(tài)方程的建立 24
本章小結(jié) 26
習題 26
第2章 隨機信號分析基礎 28
2.1 隨機變量 29
2.1.1 概率分布函數(shù)與密度函數(shù) 29
2.1.2 隨機變量的統(tǒng)計特征 30
2.1.3 隨機矢量 31
2.2 隨機過程 34
2.2.1 隨機過程的基本統(tǒng)計量 35
2.2.2 獨立、不相關與正交 37
2.3 幾種典型的隨機過程 38
2.3.1 復正弦加噪聲 38
2.3.2 實高斯過程 38
2.3.3 諧波過程 39
2.3.4 高斯-馬爾可夫過程 40
2.4 隨機信號通過線性系統(tǒng) 40
2.4.1 時域分析 40
2.4.2 頻域分析 41
2.5 譜分解定理 43
2.6 參數(shù)估計理論 45
2.6.1 估計量的性質(zhì) 45
2.6.2 均值的估計 46
2.6.3 方差的估計 47
本章小結(jié) 47
習題 48
第3章 隨機信號的線性模型 50
3.1 AR過程 50
3.1.1 AR(1)模型 50
3.1.2 AR(2)模型 52
3.1.3 AR(p)模型 55
3.2 MA過程 56
3.3 ARMA過程 57
3.4 三種模型間的關系 60
本章小結(jié) 61
習題 62
第4章 非參數(shù)譜估計 64
4.1 平穩(wěn)隨機信號的自相關估計 64
4.2 相關圖法 68
4.3 周期圖法 70
4.4 周期圖法的改進 72
4.4.1 平滑單一周期圖 72
4.4.2 多個周期圖求平均 73
4.5 應用舉例 77
4.5.1 語音頻譜分析 77
4.5.2 語譜圖 80
本章小結(jié) 82
習題 83
第5章 *優(yōu)線性濾波器 85
5.1 *優(yōu)信號估計 85
5.2 線性均方估計 86
5.2.1 誤差性能曲面 87
5.2.2 線性*小均方誤差估計器 90
5.2.3 正交原理 91
5.3 維納濾波器 92
5.3.1 Wiener-Hopf方程 93
5.3.2 FIR維納濾波器 94
5.4 *優(yōu)線性預測 98
5.4.1 前向線性預測 98
5.4.2 后向線性預測 100
5.4.3 Levinson-Durbin算法 103
5.4.4 格型預測誤差濾波器 105
5.5 卡爾曼濾波器 108
5.5.1 引言 108
5.5.2 卡爾曼濾波算法 109
5.5.3 卡爾曼濾波算法的推導 111
5.5.4 應用舉例 113
5.5.5 卡爾曼濾波器與維納濾波器之間的關系 122
本章小結(jié) 123
習題 124
第6章 *小二乘濾波和預測 126
6.1 *小二乘原理 126
6.2 線性*小二乘估計 128
6.2.1 正則方程 130
6.2.2 正交原理 131
6.2.3 投影算子 132
6.3 *小二乘 FIR濾波器 133
6.4 *小二乘線性預測 139
本章小結(jié) 144
習題 144
第7章 參數(shù)譜估計 146
7.1 信號建模 146
7.2 AR模型譜估計 147
7.2.1 *大熵譜估計 148
7.2.2 自相關法 149
7.2.3 協(xié)方差法 151
7.2.4 改進的協(xié)方差法 152
7.2.5 Burg算法 153
7.2.6 AR模型階的確定 157
7.3 MA模型譜估計 158
7.4 ARMA模型譜估計 159
7.5 應用舉例 161
7.5.1 “預白化-后著色”譜估計 161
7.5.2 語音信號的線性預測 164
本章小結(jié) 168
習題 169
第8章 自適應濾波器 171
8.1 自適應濾波原理 171
8.2 *速下降法 173
8.3 LMS自適應濾波器 177
8.3.1 基本的 LMS算法 178
8.3.2 LMS算法的收斂性分析 178
8.3.3 LMS算法的改進 184
8.4 *小二乘自適應濾波器 186
8.4.1 RLS算法 186
8.4.2 RLS算法的收斂性分析 190
8.5 應用舉例 193
8.5.1 自適應干擾對消 193
8.5.2 自適應信道均衡器 199
8.5.3 自適應系統(tǒng)辨識 204
本章小結(jié) 209
習題 210
參考文獻 212