第1章隨機信號
1.1信號分類
1.2相關函數、協方差函數與功率譜密度
1.2.1自相關函數、自協方差函數與功率譜密度
1.2.2互相關函數、互協方差函數與互功率譜密度
1.3兩個隨機信號的比較與識彆
1.3.1獨立、不相關與正交
1.3.2多項式序列的Gram—Schmidt標準正交化
1.4具有隨機輸入的綫性係統
1.4.1係統輸齣的功率譜密度
1.4.2窄帶帶通濾波器
本章小結
習題
第2章參數估計理論
2.1估計子的性能
2.1.1無偏估計與漸近無偏估計
2.1.2估計子的有效性
2.2Fisher信息與Cramer—Rao不等式
2.2.1Fisher信息
2.2.2Cramer—Rao下界
2.3Bayes估計
2.3.1風險函數的定義
2.3.2Bayes估計
2.4最大似然估計
2.5綫性均方估計
2.6最小二乘估計
2.6.1最小二乘估計及其性能
2.6.2加權最小二乘估計
本章小結
習題
第3章信號檢測
3.1統計假設檢驗
3.1.1信號檢測的基本概念
3.1.2信號檢測理論測度
3.1.3決策理論空間
3.2概率密度函數與誤差函數
3.2.1概率密度函數
3.2.2誤差函數和補餘誤差函數
3.3檢測概率與錯誤概率
3.3.1檢測概率與錯誤概率的定義
3.3.2功效函數
3.4Neyman—Pearson準則
3.4.1雷達信號檢測的虛警概率與漏警概率
3.4.2Neyman—Pearson引理與Neyman—Pearson準則
3.5一緻最大功效準則
3.5.1通信信號檢測問題
3.5.2一緻最大功效檢驗
3.5.3一緻最大功效準則的物理意義
3.6Bayes準則
3.6.1Bayes判決準則
3.6.2二元信號波形的檢測
3.6.3檢測概率分析
3.7Bayes派生準則
3.7.1最小錯誤概率準則
3.7.2最大後驗概率準則
3.7.3極小極大準則
3.8多元假設檢驗
3.8.1多元假設檢驗問題
3.8.2多元假設檢驗的Bayes準則
3.9多重假設檢驗
3.9.1多重假設檢驗的錯誤率
3.9.2多重假設檢驗的錯誤控製方法
3.9.3多元綫性迴歸
3.9.4多元統計分析
本章小結
習題
附錄3A誤差函數錶
第4章現代譜估計
4.1非參數化譜估計
4.1.1離散隨機過程
4.1.2非參數化功率譜估計
4.2平穩ARMA過程
4.3平穩ARMA過程的功率譜密度
4.3.1ARMA過程的功率譜密度
4.3.2功率譜等價
4.4ARMA譜估計
4.4.1ARMA功率譜估計的兩種綫性方法
4.4.2修正Yule—Walker方程
4.4.3AR階數確定的奇異值分解方法
4.4.4AR參數估計的總體最小二乘法
4.5ARMA模型辨識
4.5.1MA階數確定
4.5.2MA參數估計
4.6最大熵譜估計
4.6.1Burg最大熵譜估計
4.6.2Levinson遞推
4.6.3Berg算法
4.6.4Burg最大熵譜分析與ARMA譜估計
4.7Pisarenko諧波分解法
4.7.1Pisarenko諧波分解
4.7.2諧波恢復的ARMA建模法
4.8擴展Prony方法
本章小結
習題
第5章自適應濾波器
5.1匹配濾波器
5.1.1匹配濾波器
5.1.2匹配濾波器的性質
5.1.3匹配濾波器的實現
5.2連續時間的Wiener濾波器
5.3最優濾波理論與Wiener濾波器
5.3.1綫性最優濾波器
5.3.2正交性原理
5.3.3Wiener濾波器
5.4Kalman濾波
5.4.1Kalman濾波問題
5.4.2新息過程
5.4.3Kalman濾波算法
5.5LMS類自適應算法
5.5.1下降算法
5.5.2LMS算法及其基本變型
5.5.3解相關LMS算法
5.5.4學習速率參數的選擇
5.5.5LMS算法的統計性能分析
5.5.6LMS算法的跟蹤性能
5.6RLS自適應算法
5.6.1RLS算法
5.6.2RLS算法與Kalman濾波算法的比較
5.6.3R，LS算法的統計性能分析
5.6.4快速RLS算法
5.7自適應譜綫增強器與陷波器
5.7.1譜綫增強器與陷波器的傳遞函數
5.7.2基於格型IIR濾波器的自適應陷波器
5.8廣義旁瓣對消器
5.9盲自適應多用戶檢測
5.9.1盲多用戶檢測的典範錶示
5.9.2盲多用戶檢測的LMS和RLS算法
5.9.3盲多用戶檢測的Kalman自適應算法
本章小結
習題
第6章高階統計分析
第7章綫性時頻變換
第8章二次型時頻分布
第9章盲信號分離
第10章陣列信號處理
參考文獻
索引
· · · · · · (收起)