統(tǒng)計信號處理基礎(chǔ)（Fundamentals of Statistical Signal Processing）

定　價：￥49.00

作　者：	賈麗娟
出版社：	北京理工大學出版社
叢編項：
標　簽：	暫缺

ISBN：	9787576321449	出版時間：	2023-02-01	包裝：	平裝
開本：		頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書系統(tǒng)和深入介紹隨機信號處理的各種理論和方法。內(nèi)容主要包括平穩(wěn)信號的離散時間隨機過程、信號建模、功率譜估計、維納濾波、卡爾曼濾波、自適應(yīng)濾波等，旨在利用數(shù)學中的概率統(tǒng)計觀點對工程實踐中涉及的隨機問題進行建模、分析和處理，有關(guān)理論和方法已廣泛應(yīng)用于雷達、通信、語音處理、圖像處理、自動控制、生物醫(yī)學等領(lǐng)域。本書主要用于碩士研究生的“統(tǒng)計信號處理基礎(chǔ)（全英文）”課程的教學用書。同時也為有數(shù)字信號處理和隨機信號分析基礎(chǔ)的相關(guān)科研人員及研究生學習統(tǒng)計信號處理課程提供教學和參考資料，具有一定的借鑒意義。

作者簡介

　　賈麗娟，女，北京理工大學信息與電子學院副教授。1999年留學于日本九州大學，2002年3月獲得電氣電子工學博士學位。2002年4月至2005年3月日本九州大學講師，COE特別學術(shù)研究員。2005年5月回國，同年7月到北京理工大學信息與電子學院工作至今。2013年11月至2014年8月赴美國加州大學洛杉磯分校訪問學者。主要從事多智能體系統(tǒng)理論，系統(tǒng)建模與辨識，統(tǒng)計與自適應(yīng)信號處理，分布式協(xié)同信號與信息處理，機器學習，大數(shù)據(jù)處理等方面的理論及應(yīng)用研究。曾任2011年度中國研究生電子設(shè)計競賽北京分賽區(qū)命題與評審委員會秘書長，中國電子學會物聯(lián)網(wǎng)專家委員會物聯(lián)網(wǎng)技術(shù)與應(yīng)用叢書編輯委員會委員秘書。主持留學回國人員科研啟動資金項目、北京理工大學?；A(chǔ)研究基金項目，參與和承擔自然科學基金重大科研儀器研發(fā)項目、杰出青年科學基金項目、總裝預(yù)研項目、自然科學基金重大項目、 973項目、自然科學基金面上項目等多項科研項目，已發(fā)表學術(shù)論文70余篇，其中SCI、EI收錄論文50余篇。

圖書目錄

Chapter 1 Introduction
1.1 Discrete-Time Stochastic Processes
1.2 Signal Modeling
1.3 Spectrum Estimation
1.4 Optimal Filters
1.5 Adaptive Filters
1.6 Organization of This Book
Chapter 2 Discrete Time Stochastic Processes
2.1 Introduction
2.2 Definitions of Random Processes
2.3 Time-Domain Statistical Characteristics
2.4 Frequency-Domain Statistical Characteristics
2.5 Filtering Random Processes
2.6 Special Types of Random Processes
2.7 Summary
Exercises
References
Chapter 3 Signal Modeling
3.1 Introduction
3.2 All-Pole Models
3.3 All-Zero Models
3.4 Pole-Zero Models
3.5 Summary
Exercises
References
Chapter 4 Spectrum Estimation
4.1 Introduction
4.2 Nonparametric Methods
4.3 Parametric Methods
4.4 Other Methods
4.5 Summary
Exercises
References
Chapter 5 Optimum Filters
5.1 Introduction
5.2 The FIR Wiener Filter
5.3 The IIR Wiener Filter
5.4 Least-Squares Filter
5.5 Discrete Kalman Filter
5.6 Summary
Exercises
References
Chapter 6 Adaptive Filters
6.1 Introduction
6.2 LMS Adaptive Filter
6.3 Affine Projection Adaptive Filter
6.4 RLS Adaptive Filter
6.5 Summary
Exercises
References