123,123

內(nèi)容簡(jiǎn)介

　　本書是一部經(jīng)典的有關(guān)統(tǒng)計(jì)信號(hào)處理的權(quán)威著作。全書分為兩卷，分別講解了統(tǒng)計(jì)信號(hào)處理基礎(chǔ)的估計(jì)理論和檢測(cè)理論。第一卷詳細(xì)介紹了經(jīng)典估計(jì)理論和貝葉斯估計(jì)，總結(jié)了各種估計(jì)方法，考慮了維納濾波和卡爾曼濾波，并介紹了對(duì)復(fù)數(shù)據(jù)和參數(shù)的估計(jì)方法。本卷給出了大量的應(yīng)用實(shí)例，范圍包括高分辨率譜分析、系統(tǒng)辨識(shí)、自適應(yīng)噪聲對(duì)消、跟蹤和定位等；并且設(shè)計(jì)了大量的習(xí)題以加深讀者對(duì)基本概念的理解。第二卷全面介紹了計(jì)算機(jī)上實(shí)現(xiàn)的最佳檢測(cè)算法，并且重點(diǎn)介紹了現(xiàn)實(shí)中的信號(hào)處理應(yīng)用，包括現(xiàn)代語(yǔ)音、通信技術(shù)以及傳統(tǒng)的聲納/雷達(dá)系統(tǒng)。本卷從檢測(cè)的基礎(chǔ)理論開始，回顧了高斯，χ2、F、瑞利及萊斯概率密度；講解了高斯隨機(jī)變量的二次型，以及漸近高斯概率密度和蒙特卡洛性能評(píng)估；介紹了基于簡(jiǎn)單假設(shè)檢驗(yàn)的檢測(cè)理論基礎(chǔ)；Neyman-Pearson定理、無(wú)關(guān)數(shù)據(jù)的處理、貝葉斯風(fēng)險(xiǎn)、多元假設(shè)檢驗(yàn)，以及確定性信號(hào)和隨機(jī)信號(hào)的檢測(cè)；最后詳細(xì)分析了適合于未知信號(hào)和未知噪聲參數(shù)的復(fù)合假設(shè)檢驗(yàn)。本書可以作為電子信息類專業(yè)統(tǒng)計(jì)信號(hào)處理課程的研究生教材或教學(xué)參考書，也可供從事信號(hào)處理的教學(xué)、科研和工程技術(shù)人員參考。

作者簡(jiǎn)介

　　Steven M.Kay，美國(guó)Rhode Island大學(xué)電子與計(jì)算機(jī)工程系教授，信號(hào)處理領(lǐng)域的資深專家，一直致力于數(shù)學(xué)統(tǒng)計(jì)方法在數(shù)字信號(hào)處理中的應(yīng)用研究。

圖書目錄

第一卷：統(tǒng)計(jì)信號(hào)處理基礎(chǔ)--估計(jì)理論
第1章  引言
1. 1  信號(hào)處理中的估計(jì)
1. 2  估計(jì)的數(shù)學(xué)問(wèn)題
1. 3  估計(jì)量性能評(píng)估
1. 4  幾點(diǎn)說(shuō)明
參考文獻(xiàn)
習(xí)題
第2章  最小方差無(wú)偏估計(jì)
2. 1  引言
2. 2  小結(jié)
2. 3  無(wú)偏估計(jì)量
2. 4  最小方差準(zhǔn)則
2. 5  最小方差無(wú)偏估計(jì)的存在性
2. 6  求最小方差無(wú)偏估計(jì)量
2. 7  擴(kuò)展到矢量參數(shù)
參考文獻(xiàn)
習(xí)題
第3章  Cramer-Rao下限
3. 1  引言
3. 2  小結(jié)
3. 3  估計(jì)量精度考慮
3. 4  Cramer-Rao下限
3. 5  高斯白噪聲中信號(hào)的一般CRLB
3. 6  參數(shù)的變換
3. 7  擴(kuò)展到矢量參數(shù)
3. 8  矢量參數(shù)變換的CRLB
3. 9  一般高斯情況的CRLB
3. 10  WSS高斯隨機(jī)過(guò)程的漸近CRLB
3. 11  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄3A  標(biāo)量參數(shù)CRLB的推導(dǎo)
附錄3B  矢量參數(shù)CRLB的推導(dǎo)
附錄3C  一般高斯CRLB的推導(dǎo)
附錄3D  漸近CRLB的推導(dǎo)
第4章  線性模型
4. 1  引言
4. 2  小結(jié)
4. 3  定義和性質(zhì)
4. 4  線性模型的例子
4. 5  擴(kuò)展到線性模型
參考文獻(xiàn)
習(xí)題
第5章  一般最小方差無(wú)偏估計(jì)
5. 1  引言
5. 2  小結(jié)
5. 3  充分統(tǒng)計(jì)量
5. 4  求充分統(tǒng)計(jì)量
5. 5  利用充分統(tǒng)計(jì)量求MVU估計(jì)量
5. 6  擴(kuò)展到矢量參數(shù)
參考文獻(xiàn)
習(xí)題
附錄5A  Neyman-Fisher因子分解定理(標(biāo)量參數(shù))的證明
附錄5B  Rao-BlackwelI-Lehmann-Scheffe定理(標(biāo)量參數(shù))的證明
第6章  最佳線性無(wú)偏估計(jì)量
6. 1  引言
6. 2  小結(jié)
6. 3  BLUE的定義
6. 4  求BLUE
6. 5  擴(kuò)展到矢量參數(shù)
6. 6  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄6A  標(biāo)量BLUE的推導(dǎo)
附錄6B  矢量BLUE的推導(dǎo)
第7章  最大似然估計(jì)
7. 1  引言
7. 2  小結(jié)
7. 3  舉例
7. 4  求MLE
7. 5  MLE的性質(zhì)
7. 6  變換參數(shù)的MLE
7. 7  MLE的數(shù)值確定
7. 8  擴(kuò)展到矢量參數(shù)
7. 9  漸近MLE
7. 10  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄7A  蒙特卡洛方法
附錄7B  標(biāo)量參數(shù)MLE的漸近PDF
附錄7C  EM算法例題中條件對(duì)數(shù)似然函數(shù)的推導(dǎo)
第8章  最小二乘估計(jì)
8. 1  引言
8. 2  小結(jié)
8. 3  最小二乘估計(jì)方法
8. 4  線性最小二乘估計(jì)
8. 5  幾何解釋
8. 6  按階遞推最小二乘估計(jì)
8. 7  序貫最小二乘估計(jì)
8. 8  約束最小二乘估計(jì)
8. 9  非線性最小二乘估計(jì)
8. 10  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄8A  按階遞推最小二乘估計(jì)的推導(dǎo)
附錄8B  遞推投影矩陣的推導(dǎo)
附錄8C  序貫最小二乘估計(jì)的推導(dǎo)
第9章  矩方法
9. 1  引言
9. 2  小結(jié)
9. 3  矩方法
9. 4  擴(kuò)展到矢量參數(shù)
9. 5  估計(jì)量的統(tǒng)計(jì)評(píng)價(jià)
9. 6  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
第10章  貝葉斯原理
10. 1  引言
10. 2  小結(jié)
10. 3  先驗(yàn)知識(shí)和估計(jì)
10. 4  選擇先驗(yàn)PDF
10. 5  高斯PDF的特性
10. 6  貝葉斯線性模型
10. 7  多余參數(shù)
10. 8  確定性參數(shù)的貝葉斯估計(jì)
參考文獻(xiàn)
習(xí)題
附錄10A  條件高斯PDF的推導(dǎo)
第11章  一般貝葉斯估計(jì)量
11. 1  引言
11. 2  小結(jié)
11. 3  風(fēng)險(xiǎn)函數(shù)
11. 4  最小均方誤差估計(jì)量
11. 5  最大后驗(yàn)估計(jì)量
11. 6  性能描述
11. 7  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄11A  連續(xù)時(shí)間系統(tǒng)到離散時(shí)間系統(tǒng)的轉(zhuǎn)換
第12章  線性貝葉斯估計(jì)量
12. 1  引言
12. 2  小結(jié)
12. 3  線性MMSE估計(jì)
12. 4  幾何解釋
12. 5  矢量LMMSE估計(jì)量
12. 6  序貫LMMSE估計(jì)
12. 7  信號(hào)處理的例子-維納濾波器
參考文獻(xiàn)
習(xí)題
附錄12A  貝葉斯線性模型的序貫LMMSE估計(jì)量的推導(dǎo)
第13章  卡爾曼濾波器
13. 1  引言
13. 2  小結(jié)
13. 3  動(dòng)態(tài)信號(hào)模型
13. 4  標(biāo)量卡爾曼濾波器
13. 5  卡爾曼濾波器與維納濾波器的關(guān)系
13. 6  矢量卡爾曼濾波器
13. 7  擴(kuò)展卡爾曼濾波器
13. 8  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄13A  矢量卡爾曼濾波器的推導(dǎo)
附錄13B  擴(kuò)展卡爾曼濾波器的推導(dǎo)
第14章  估計(jì)量總結(jié)
14. 1  引言
14. 2  估計(jì)方法
14. 3  線性模型
14. 4  選擇一個(gè)估計(jì)量
第15章  復(fù)數(shù)據(jù)和復(fù)參數(shù)的擴(kuò)展
15. 1  引言
15. 2  小結(jié)
15. 3  復(fù)數(shù)據(jù)和復(fù)參數(shù)
15. 4  復(fù)隨機(jī)變量和PDF
15. 5  復(fù)WSS隨機(jī)過(guò)程
15. 6  導(dǎo)數(shù). 梯度和最佳化
15. 7  采用復(fù)數(shù)據(jù)的經(jīng)典估計(jì)
15. 8  貝葉斯估計(jì)
15. 9  漸近復(fù)高斯PDF
15. 10  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄15A  復(fù)協(xié)方差矩陣的性質(zhì)的推導(dǎo)
附錄15B  復(fù)高斯PDF性質(zhì)的推導(dǎo)
附錄15C  CRLB和MLE公式的推導(dǎo)
第二卷：統(tǒng)計(jì)信號(hào)處理基礎(chǔ)--檢測(cè)理論
第1章  引言
1. 1  信號(hào)處理中的檢測(cè)理論
1. 2  檢測(cè)問(wèn)題
1. 3  檢測(cè)問(wèn)題的數(shù)學(xué)描述
1. 4  檢測(cè)問(wèn)題的內(nèi)容體系
1. 5  漸近的作用
1. 6  對(duì)讀者的一些說(shuō)明
參考文獻(xiàn)
習(xí)題
第2章  重要PDF的總結(jié)
2. 1  引言
2. 2  基本概率密度函數(shù)及其性質(zhì)
2. 3  高斯隨機(jī)變量的二次型
2. 4  漸近高斯PDF
2. 5  蒙特卡洛性能評(píng)估
參考文獻(xiàn)
習(xí)題
附錄2A  要求的蒙特卡洛實(shí)驗(yàn)次數(shù)
附錄2B  態(tài)概率紙
附錄2C  計(jì)算高斯右尾概率及其逆的MATLAB程序
附錄2D  計(jì)算中心化和非中心化x2的右尾概率
附錄2E  蒙特卡洛計(jì)算機(jī)模擬的MATLAB程序
第3章  統(tǒng)計(jì)判決理論1
3. 1  引言
3. 2  小結(jié)
3. 3  Neyman-Pearson定理
3. 4  接收機(jī)工作特性
3. 5  無(wú)關(guān)數(shù)據(jù)
3. 6  最小錯(cuò)誤概率
3. 7  貝葉斯風(fēng)險(xiǎn)
3. 8  多元假設(shè)檢驗(yàn)
參考文獻(xiàn)
習(xí)題
附錄3A  Neyman-Pearson定理
附錄3B  最小貝葉斯風(fēng)險(xiǎn)檢測(cè)器--二元假設(shè)
附錄3C  最小貝葉斯風(fēng)險(xiǎn)檢測(cè)器--多元假設(shè)
第4章  確定信號(hào)
4. 1  引言
4. 2  小結(jié)
4. 3  匹配濾波器
4. 4  廣義匹配濾波器
4. 5  多個(gè)信號(hào)
4. 6  線性模型
4. 7  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄4A  線性模型的簡(jiǎn)化形式
第5章  隨機(jī)信號(hào)
5. 1  引言
5. 2  小結(jié)
5. 3  估計(jì)器-相關(guān)器
5. 4  線性模型
5. 5  大數(shù)據(jù)記錄的估計(jì)器-相關(guān)器
5. 6  一般高斯檢測(cè)
5. 7  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄5A  估計(jì)器-相關(guān)器的檢測(cè)性能
第6章  統(tǒng)計(jì)判決理論II
6. 1  引言
6. 2  小結(jié)
6. 3  復(fù)合假設(shè)檢驗(yàn)
6. 4  復(fù)合假設(shè)檢驗(yàn)方法
6. 5  大數(shù)據(jù)記錄時(shí)GLRT的性能
6. 6  等效大數(shù)據(jù)記錄檢驗(yàn)
6. 7  局部最大勢(shì)檢測(cè)器
6. 8  多元假設(shè)檢驗(yàn)
參考文獻(xiàn)
習(xí)題
附錄6A  漸近等效檢驗(yàn)--無(wú)多余參數(shù)
附錄6B  漸近等效檢驗(yàn)--多余參數(shù)
附錄6C  GLRT的漸近PDF
附錄6D  LMP檢驗(yàn)的漸近檢測(cè)性能
附錄6E  局部最優(yōu)勢(shì)檢驗(yàn)的另一種推導(dǎo)
附錄6F  廣義ML準(zhǔn)則的推導(dǎo)
第7章  具有未知參數(shù)的確定性信號(hào)
7. 1  引言
7. 2  小結(jié)
7. 3  信號(hào)建模和檢測(cè)性能
7. 4  未知幅度
7. 5  未知到達(dá)時(shí)間
7. 6  正弦信號(hào)檢測(cè)
7. 7  經(jīng)典線性模型
7. 8  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄7A  能量檢測(cè)器的漸近性能
附錄7B  經(jīng)典線性模型GLRT的推導(dǎo)
第8章  未知參數(shù)的隨機(jī)信號(hào)
8. 1  引言
8. 2  小結(jié)
8. 3  信號(hào)協(xié)方差不完全已知
8. 4  大數(shù)據(jù)記錄的近似
8. 5  弱信號(hào)檢測(cè)
8. 6  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄8A  周期高斯隨機(jī)過(guò)程PDF的推導(dǎo)
第9章  未知噪聲參數(shù)
9. 1  引言
9. 2  小結(jié)
9. 3  一般考慮
9. 4  白高斯噪聲
9. 5  有色WSS高斯噪聲
9. 6信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄9A  推導(dǎo)對(duì)于0. 2未知的經(jīng)典線性模型的GLRT
附錄9B  對(duì)具有未知噪聲參數(shù)的一般線性模型的Rao檢驗(yàn)
附錄9C  信號(hào)處理例子的漸近等效Rao檢驗(yàn)
第10章  非高斯噪聲
10. 1  引言
10. 2  小結(jié)
10. 3  非高斯噪聲的性質(zhì)
10. 4  已知確定性信號(hào)
10. 5  未知參數(shù)確定性信號(hào)
10. 6  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄10A  NP檢測(cè)器對(duì)微弱信號(hào)的漸近性能
附錄10B  IID非高斯噪聲中線性模型信號(hào)的Rao檢驗(yàn)
第11章  檢測(cè)器總結(jié)
11. 1  引言
11. 2  檢測(cè)方法
11. 3  線性模型
11. 4  選擇一個(gè)檢測(cè)器
11. 5  其他方法和其他參考教材
參考文獻(xiàn)
第12章  模型變化檢測(cè)
12. 1  引言
12. 2  小結(jié)
12. 3  問(wèn)題的描述
12. 4  基本問(wèn)題的擴(kuò)展
12. 5  多個(gè)變化時(shí)刻
12. 6  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄12A  分段的通用動(dòng)態(tài)規(guī)劃方法
附錄12B  動(dòng)態(tài)規(guī)劃的MATLAB程序
第13章  復(fù)矢量擴(kuò)展及陣列處理
13. 1  引言
13. 2  小結(jié)
13. 3  已知PDF
13. 4  具有未知參數(shù)的PDF
13. 5  矢量觀測(cè)和PDF
13. 6  矢量觀測(cè)量的檢測(cè)器
13. 7  大數(shù)據(jù)記錄的估計(jì)器-相關(guān)器
13. 8  信號(hào)處理的例子
參考文獻(xiàn)
習(xí)題
附錄13A  復(fù)線性模型GLRT的PDF
附錄1  重要概念回顧
附錄2  符號(hào)和縮寫術(shù)語(yǔ)表