離散隨機(jī)信號(hào)處理基礎(chǔ)

第1章離散時(shí)間信號(hào)和系統(tǒng)
1．1引言
1．2離散時(shí)間信號(hào)處理
1．2．1離散時(shí)間信號(hào)
1．2．2離散時(shí)間系統(tǒng)
1．2．3線性移不變?yōu)V波器的時(shí)域描述
1．2．4離散時(shí)間傅里葉變換
1．2．5z變換
1．2．6濾波器的分類
1．2．7濾波器流圖
1．2．8離散傅里葉變換和快速傅里葉變換
1．3線性代數(shù)
1．3．1向量和矩陣
1．3．2線性獨(dú)立、 向量空間和基向量
1．3．3矩陣
1．3．4線性方程
1．3．5二次型和埃爾米特型
1．3．6特征值和特征向量
1．4最優(yōu)化理論
1．4．1無約束最優(yōu)化理論
1．4．2線性等式約束最優(yōu)化理論
1．5小結(jié)
習(xí)題第2章離散時(shí)間隨機(jī)過程
2．1引言
2．2離散時(shí)間隨機(jī)信號(hào)
2．2．1離散時(shí)間隨機(jī)信號(hào)定義及其概率描述
2．2．2隨機(jī)序列的數(shù)字特征
2．2．3平穩(wěn)隨機(jī)序列
2．2．4隨機(jī)序列的各態(tài)歷經(jīng)性
2．2．5功率密度譜
2．2．6自相關(guān)矩陣和自協(xié)方差矩陣
2．2．7特殊隨機(jī)序列
2．2．8隨機(jī)信號(hào)的抽樣定理
2．3隨機(jī)序列數(shù)字特征的估計(jì)
2．3．1估計(jì)準(zhǔn)則
2．3．2均值的估計(jì)
2．3．3方差的估計(jì)
2．3．4隨機(jī)序列自相關(guān)函數(shù)的估計(jì)
2．4平穩(wěn)隨機(jī)序列通過線性系統(tǒng)
2．4．1輸出的均值、 相關(guān)函數(shù)和平穩(wěn)性分析
2．4．2輸出的功率譜密度
2．5譜分解
2．6時(shí)間序列信號(hào)模型
2．6．1自回歸滑動(dòng)平均過程
2．6．2自回歸過程
2．6．3滑動(dòng)平均過程
2．6．4諧波過程
2．7小結(jié)
習(xí)題第3章隨機(jī)信號(hào)模型
3．1引言
3．2最小二乘方法和Pade逼近法
3．2．1最小二乘建模
3．2．2Pade逼近法
3．3零極點(diǎn)模型建模方法
3．3．1Prony方法
3．3．2Shanks方法
3．3．3全極點(diǎn)模型
3．3．4信號(hào)建模的應(yīng)用： FIR最小二乘逆濾波
3．4有限長度數(shù)據(jù)下的信號(hào)建模
3．4．1自相關(guān)方法
3．4．2協(xié)方差方法
3．5零極點(diǎn)模型的迭代方法
3．6隨機(jī)信號(hào)建模
3．6．1自回歸滑動(dòng)平均建模
3．6．2自回歸模型
3．6．3滑動(dòng)平均模型
3．6．4應(yīng)用： 功率譜估計(jì)
3．7小結(jié)
習(xí)題
第4章Levinson遞歸和格型結(jié)構(gòu)
4．1引言
4．2Levinson?Durbin遞歸
4．2．1遞歸式的推導(dǎo)
4．2．2格型濾波器
4．2．3Levinson?Durbin遞歸的性質(zhì)
4．3Levinson遞歸
4．4FIR格型濾波器
4．5小結(jié)
習(xí)題第5章功率譜估計(jì)
5．1引言
5．2非參數(shù)化方法
5．2．1周期圖法
5．2．2周期圖的性能
5．2．3修改的周期圖
5．2．4Bartlett方法： 周期圖平均
5．2．5Welch方法： 修改的周期圖平均
5．2．6Blackman?Tukey方法： 周期圖平滑
5．2．7性能比較
5．3最小方差譜估計(jì)
5．4參數(shù)化方法
5．4．1自回歸譜估計(jì)
5．4．2滑動(dòng)平均（MA）譜估計(jì)
5．4．3自回歸滑動(dòng)平均（ARMA）譜估計(jì)
5．5頻率估計(jì)
5．5．1自相關(guān)矩陣的特征分解
5．5．2Pisarenko諧波分解
5．5．3MUSIC算法
5．5．4其他特征向量方法
5．5小結(jié)
習(xí)題第6章最佳濾波
6．1引言
6．2維納濾波器的離散形式
6．2．1維納濾波器時(shí)域求解方法
6．2．2維納霍夫方程
6．3FIR維納濾波器
6．3．1濾波
6．3．2線性預(yù)計(jì)
6．3．3噪聲抵消
6．4IIR維納濾波器
6．4．1非因果IIR維納濾波器
6．4．2因果的IIR維納濾波器
6．5小結(jié)
習(xí)題第7章自適應(yīng)濾波
7．1引言
7．2FIR自適應(yīng)濾波器
7．2．1最速下降自適應(yīng)濾波器
7．2．2最小均方算法
7．2．3最小均方算法的收斂性
7．2．4歸一化最小均方算法
7．2．5其他基于最小均方的自適應(yīng)算法
7．2．6應(yīng)用： 噪聲抵消
7．2．7應(yīng)用： 信道均衡
7．3遞歸最小二乘
7．3．1指數(shù)加權(quán)遞歸最小二乘算法
7．3．2滑動(dòng)窗的遞歸最小二乘算法
7．4小結(jié)
習(xí)題
附錄A MATLAB相關(guān)知識(shí)
附錄B 特殊矩陣參考文獻(xiàn)