现代信号处理 pdf epub mobi txt 电子书 下载 2025

想要找书就要到 图书目录大全

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

《北京高等教育精品教材·清华大学研究生精品教材·新编＜信息、控制与系统＞ 系列教材:现代信号处理(第三版)》为清华大学研究生精品教材和北京市高等教育精品教材，最近又获得清华大学名优教材首批立项资助，是一本与国际前沿科学接轨的研究生教材，可作为电子、通信、自动化、计算机、物理、生物医学和机械工程等各学科有关教师、研究生和科技人员教学、自学、进修用书或参考书。

张贤达，1946年生于江西省兴国县，1964年考入解放军军事电信工程学院（现西安电子科技大学）。1970年大学毕业后在甘肃5203厂工作8年，1982年获哈尔滨工业大学工学硕士学位，1987年获日本东北大学工学博士学位。曾任原航空工业部第304研究所高级工程师、研究员，1992年9月起任清华大学自动化系教授。1999年评为教育部首批“长江学者”，在西安电子科技大学任特聘教授三年。主要从事信号与信息处理的教学与研究。1993年起，享受国务院政府特殊津贴；1997年被教育部和国家人事部评为“全国优秀留学回国人员”，曾以第壹完成人获国家自然科学奖和部级科技成果奖4项。发表学术论文100余篇，出版《现代信号处理》、《矩阵分析与应用》、《通信信号处理》、《矩阵论及其工程应用》等多本教材和著作。2011年10月从清华大学退休。

第1章随机信号
1.1信号分类
1.2相关函数、协方差函数与功率谱密度
1.2.1自相关函数、自协方差函数与功率谱密度
1.2.2互相关函数、互协方差函数与互功率谱密度
1.3两个随机信号的比较与识别
1.3.1独立、不相关与正交
1.3.2多项式序列的Gram—Schmidt标准正交化
1.4具有随机输入的线性系统
1.4.1系统输出的功率谱密度
1.4.2窄带带通滤波器
本章小结
习题
第2章参数估计理论
2.1估计子的性能
2.1.1无偏估计与渐近无偏估计
2.1.2估计子的有效性
2.2Fisher信息与Cramer—Rao不等式
2.2.1Fisher信息
2.2.2Cramer—Rao下界
2.3Bayes估计
2.3.1风险函数的定义
2.3.2Bayes估计
2.4最大似然估计
2.5线性均方估计
2.6最小二乘估计
2.6.1最小二乘估计及其性能
2.6.2加权最小二乘估计
本章小结
习题
第3章信号检测
3.1统计假设检验
3.1.1信号检测的基本概念
3.1.2信号检测理论测度
3.1.3决策理论空间
3.2概率密度函数与误差函数
3.2.1概率密度函数
3.2.2误差函数和补余误差函数
3.3检测概率与错误概率
3.3.1检测概率与错误概率的定义
3.3.2功效函数
3.4Neyman—Pearson准则
3.4.1雷达信号检测的虚警概率与漏警概率
3.4.2Neyman—Pearson引理与Neyman—Pearson准则
3.5一致最大功效准则
3.5.1通信信号检测问题
3.5.2一致最大功效检验
3.5.3一致最大功效准则的物理意义
3.6Bayes准则
3.6.1Bayes判决准则
3.6.2二元信号波形的检测
3.6.3检测概率分析
3.7Bayes派生准则
3.7.1最小错误概率准则
3.7.2最大后验概率准则
3.7.3极小极大准则
3.8多元假设检验
3.8.1多元假设检验问题
3.8.2多元假设检验的Bayes准则
3.9多重假设检验
3.9.1多重假设检验的错误率
3.9.2多重假设检验的错误控制方法
3.9.3多元线性回归
3.9.4多元统计分析
本章小结
习题
附录3A误差函数表
第4章现代谱估计
4.1非参数化谱估计
4.1.1离散随机过程
4.1.2非参数化功率谱估计
4.2平稳ARMA过程
4.3平稳ARMA过程的功率谱密度
4.3.1ARMA过程的功率谱密度
4.3.2功率谱等价
4.4ARMA谱估计
4.4.1ARMA功率谱估计的两种线性方法
4.4.2修正Yule—Walker方程
4.4.3AR阶数确定的奇异值分解方法
4.4.4AR参数估计的总体最小二乘法
4.5ARMA模型辨识
4.5.1MA阶数确定
4.5.2MA参数估计
4.6最大熵谱估计
4.6.1Burg最大熵谱估计
4.6.2Levinson递推
4.6.3Berg算法
4.6.4Burg最大熵谱分析与ARMA谱估计
4.7Pisarenko谐波分解法
4.7.1Pisarenko谐波分解
4.7.2谐波恢复的ARMA建模法
4.8扩展Prony方法
本章小结
习题
第5章自适应滤波器
5.1匹配滤波器
5.1.1匹配滤波器
5.1.2匹配滤波器的性质
5.1.3匹配滤波器的实现
5.2连续时间的Wiener滤波器
5.3最优滤波理论与Wiener滤波器
5.3.1线性最优滤波器
5.3.2正交性原理
5.3.3Wiener滤波器
5.4Kalman滤波
5.4.1Kalman滤波问题
5.4.2新息过程
5.4.3Kalman滤波算法
5.5LMS类自适应算法
5.5.1下降算法
5.5.2LMS算法及其基本变型
5.5.3解相关LMS算法
5.5.4学习速率参数的选择
5.5.5LMS算法的统计性能分析
5.5.6LMS算法的跟踪性能
5.6RLS自适应算法
5.6.1RLS算法
5.6.2RLS算法与Kalman滤波算法的比较
5.6.3R，LS算法的统计性能分析
5.6.4快速RLS算法
5.7自适应谱线增强器与陷波器
5.7.1谱线增强器与陷波器的传递函数
5.7.2基于格型IIR滤波器的自适应陷波器
5.8广义旁瓣对消器
5.9盲自适应多用户检测
5.9.1盲多用户检测的典范表示
5.9.2盲多用户检测的LMS和RLS算法
5.9.3盲多用户检测的Kalman自适应算法
本章小结
习题
第6章高阶统计分析
第7章线性时频变换
第8章二次型时频分布
第9章盲信号分离
第10章阵列信号处理
参考文献
索引
· · · · · · (收起)