信號處理仿真實驗（第2版）

目錄






算法篇

第1章信號處理仿真實驗基礎(chǔ)

1.1概述

1.1.1數(shù)字信號處理的基本
概念

1.1.2數(shù)字信號處理的特點

1.1.3數(shù)字信號處理的一般
形式

1.2信號與系統(tǒng)基礎(chǔ)

1.2.1連續(xù)時間系統(tǒng)的時域
分析

1.2.2傅里葉變換

1.2.3拉普拉斯變換

1.3隨機信號處理基礎(chǔ)

1.3.1典型隨機變量的概率
密度

1.3.2隨機過程的統(tǒng)計描述與
估計

1.3.3隨機過程的功率譜密度

1.4課外知識點： 隨機數(shù)的產(chǎn)生

1.5課外知識點： 單位沖激和單位
脈沖

1.6課外知識點： 單位階躍信號和
單位階躍序列

1.7參考文獻(xiàn)

第2章離散時間信號與系統(tǒng)

2.1基本概念

2.2信號的采樣與重建

2.3離散時間傅里葉變換

2.4離散傅里葉變換

2.5快速傅里葉變換

2.6課外知識點： 幾種形式的
傅里葉變換

2.7課外知識點： 補零位置對
頻譜估計的影響

2.8參考文獻(xiàn)

第3章數(shù)字濾波器的設(shè)計與實現(xiàn)

3.1IIR濾波器的基本結(jié)構(gòu)

3.2IIR濾波器的設(shè)計

3.2.1模擬原型濾波器設(shè)計

3.2.2頻率變換

3.2.3濾波器的映射

3.3完全濾波器的設(shè)計

3.4FIR濾波器的基本結(jié)構(gòu)

3.5FIR濾波器的設(shè)計

3.5.1窗函數(shù)設(shè)計法

3.5.2頻率采樣設(shè)計法

3.6IIR和FIR濾波器的比較

3.7課外知識點： 濾波器設(shè)計與
分析工具FDATool

3.8參考文獻(xiàn)

第4章功率譜估計

4.1概述

4.2間接法(BT法)

4.3直接法(周期圖法)

4.4改進(jìn)的周期圖法

4.4.1Bartlett法

4.4.2加窗Bartlett法

4.4.3Welch法

4.5其他譜估計方法

4.5.1多窗口法

4.5.2最大熵估計法

4.6短時傅里葉變換

4.7課外知識點： 信號處理
工具SPTool

4.8參考文獻(xiàn)

第5章自適應(yīng)濾波

5.1自適應(yīng)濾波基本原理

5.2最小均方誤差自適應(yīng)濾波

5.3遞歸最小二乘自適應(yīng)濾波

5.4自適應(yīng)濾波器的應(yīng)用

5.4.1自適應(yīng)干擾抵消

5.4.2自適應(yīng)預(yù)測

5.4.3自適應(yīng)信號分離器

5.4.4自適應(yīng)圖像去噪

5.4.5自適應(yīng)信道均衡

5.5參考文獻(xiàn)

第6章信號檢測

6.1簡單假設(shè)檢驗

6.1.1簡單假設(shè)檢驗

6.1.2判決準(zhǔn)則

6.2復(fù)合假設(shè)檢驗

6.2.1貝葉斯方法

6.2.2一致最大勢檢驗

6.2.3廣義似然比檢驗

6.3多元假設(shè)檢驗

6.4參考文獻(xiàn)

案例篇

案例1周期信號的分解與合成


案例2測試濾波器的幅頻特性

案例3利用離散傅里葉變換區(qū)分
兩個單頻信號
案例4產(chǎn)生特定功率譜的隨機數(shù)

案例5基于自適應(yīng)濾波的系統(tǒng)辨識

案例6時域信號的插值重構(gòu)
案例7頻譜泄漏的動態(tài)演示

案例8基于DTW的阿拉伯?dāng)?shù)字語音
識別
案例9用MATLAB演奏音樂

案例10電話撥號音仿真

案例11聽撥號音識別號碼

案例12卡爾曼濾波在機動目標(biāo)跟蹤
中的應(yīng)用
案例13倒車?yán)走_(dá)
案例14Turbo迭代解碼

案例15提取水聲目標(biāo)的GFCC
特征
案例16基于LOFAR譜的水聲目標(biāo)
檢測

案例17數(shù)字圖像直方圖均衡

案例18基于圖像模式識別的多元
假設(shè)檢驗

案例19汽車號牌自動識別

案例20手寫數(shù)字的智能識別

案例21人臉朝向識別