隨機(jī)信號(hào)處理

第1章  數(shù)字信號(hào)處理基礎(chǔ)
  1.1  離散時(shí)間信號(hào)與系統(tǒng)
  1.1.1  序列
  1.1.2  系統(tǒng)的單位脈沖響應(yīng)與差分方程
  1.1.3  Z變換與系統(tǒng)函數(shù)
  1.1.4  系統(tǒng)的因果性、穩(wěn)定性
  1.1.5  序列傅里葉變換與系統(tǒng)頻率響應(yīng)
  1.1.6  離散傅里葉變換(DFT)
  1.2  數(shù)字濾波器的結(jié)構(gòu)
  1.2.1  FIR系統(tǒng)與IIR系統(tǒng)
  1.2.2  11R數(shù)字濾波器的結(jié)構(gòu)
  1.2.3  FIR數(shù)字濾波器的結(jié)構(gòu)
  1.3  舉例
第2章  隨機(jī)信號(hào)的特征及其估計(jì)
  2.1  隨機(jī)過程基礎(chǔ)
  2.1.1  隨機(jī)過程及其特征描述
  2.1.2  平穩(wěn)隨機(jī)過程
  2.1.3  正態(tài)過程
  2.2  估計(jì)的質(zhì)量評(píng)價(jià)
  2.2.1  估計(jì)的偏
  2.2.2  估計(jì)的方差
  2.2.3  估計(jì)的均方誤差與一致性
  2.3  均值、方差、自相關(guān)函數(shù)的估計(jì)
  2.3.1  均值的估計(jì)
  2.3.2  方差的估計(jì)
  2.3.3  自相關(guān)函數(shù)的估計(jì)
  2.4  相關(guān)函數(shù)與功率譜
  2.4.1  相關(guān)函數(shù)
  2.4.2  隨機(jī)信號(hào)的功率譜
  2.5  白噪聲過程和諧波過程
  2.5.1  白噪聲過程
  2。5.2  諧波過程
第3章  平穩(wěn)過程的線性模型
  3.1  有理分式模型
  3.2  平穩(wěn)隨機(jī)信號(hào)通過線性系統(tǒng)
  3.2.1  平穩(wěn)隨機(jī)信號(hào)通過線性系統(tǒng)的定理
  3.2.2  白噪聲激勵(lì)線，陛模型
  3.3  AR模型的正則方程與參數(shù)計(jì)算
  3.3.1  尤勒—沃克(Yule-Walker)方程
  3.3.2  Levinson-Durbin，陜速遞推法
  3.3.3  預(yù)測(cè)誤差格型濾波器及Burg算法
  3.4  MA模型的正則方程與參數(shù)計(jì)算
  3.4.I  MA模型的正則方程
  3.4.2  用高階AR模型近似MA模型
  3.5  ARMA模型的正則方程與參數(shù)計(jì)算
  3.5.1  ARMA模型的正則方程
  3.5.2  用高階AR模型近似ARMA模型
  3.6  舉例
第4章  功率譜估計(jì)
  4.1  古典譜估計(jì)
  4.1.1  相關(guān)法譜估計(jì)
  4.1.2  周期圖法譜估計(jì)
  4.1.3  古典譜估計(jì)的改進(jìn)
  4.2  最大熵譜估計(jì)
  4.3  參數(shù)模型法譜估計(jì)
  4.3.1  原理與方法
  4.3.2  AR模型階的確定
  4.3.3  AR模型參數(shù)的求解
  4.3.4  舉例
  4.4  特征分解法譜估計(jì)
  4。4.1  相關(guān)陣的特征分解
  4.4.2  多信號(hào)分類法(MUSIC方法)
第5章  自適應(yīng)濾波
  5.1  預(yù)備知識(shí)
  5.1.1  自適應(yīng)濾波原理
  5.1.2  自適應(yīng)濾波器的組成、分類與結(jié)構(gòu)
  5.1.3  自適應(yīng)濾波應(yīng)用舉例
  5.2  維納濾波器
  5.2.1  正交性原理與維納—霍甫夫(Wiener—Hopf)方程
  5.2.2  維納—霍甫夫方程求解
  5.2.3  誤差性能曲面的幾何性質(zhì)
  5.2.4  舉例
  5.3  最速梯度法
  5.3.1  權(quán)系數(shù)的迭代解
  5.3.2  權(quán)系數(shù)的閉式解
  5.3.3  最速梯度法的收斂條件
  5.3.4  權(quán)系數(shù)的收斂規(guī)律
  5.3.5  均方誤差的收斂規(guī)律
  5.4  最小均方(LMS)算法
  5.4.1  權(quán)系數(shù)的迭代解
  5.4.2  LMS權(quán)系數(shù)的收斂性分析
  5.4.3  均方誤差的收斂性分析及失調(diào)量
  5.5  梯度類算法的改進(jìn)算法
  5.5.1  牛頓法
  5.5.2  共軛梯度法
  5.6  遞歸最小二乘(RLS)算法
第6章  自適應(yīng)濾波器的算子理論及其應(yīng)用
  6.1  投影陣與正交投影陣
  6.1.1  線，陛向量空間
  6.1.2  投影陣與正交投影陣
  6.2  最小二乘更新關(guān)系
  6.2.1  數(shù)據(jù)空間增維
  6.2.2  投影陣時(shí)間調(diào)整關(guān)系
  6.3  最小二乘格型(LSL)自適應(yīng)算法
  6.3.1  前向預(yù)測(cè)誤差(FPE)濾波器
  6.3.2  后向預(yù)測(cè)誤差(BPE)濾波器
  6.3.3  LS格型結(jié)構(gòu)及LSL自適應(yīng)算法
  6.4  快速橫向?yàn)V波(FTF)自適應(yīng)算法
  6.4.1  橫向?yàn)V波算子及其時(shí)間更新關(guān)系
  6.4.2  N階橫向?yàn)V波器
  6.4.3  快速橫向?yàn)V波(FTF)自適應(yīng)算法
附錄A  LSL算法中迭代公式的推導(dǎo)
附錄B  FTF算法中迭代公式的推導(dǎo)
參考文獻(xiàn)