内容简介
目录
第一章 随机变量
1.1确定性信号与随机信号
1.2随机变量的分布和数字特征
1-2-1概率分布
1-2-2数字特征与特征函数
1.3随机向量和随机变量的相关性
1-3-1随机向量及其分布
1-3-2二维随机向量和随机变量的独立性
1-3-3相关、协方差和正交性
1-3-4二元正态分布
1-3-5多维正态随机向量
1.4随机变量的变换、几种常用分布
1-4-1随机变量的变换
1-4-2多元随机变量的线性变换和一般特性
1-4-3几种常用分布
1-5-1不肯定性与熵
1.5熵与信息
1-5-2条件熵与信息量
1-5-3连续型分布的熵
第二章 随机信号的数学描述
2.1随机过程的概念
2-1-1随机过程的概率描述
2-1-2高斯随机过程
2-1-3随机过程的平稳性和遍历性
2-2-1相关函数的定义和含义
2.2相关分析
2-2-2自相关函数的定义和含义
2-2-3自相关函数的一般特性
2-2-4噪声中提取信号
2.3功率谱密度函数、维纳—辛钦定理
2.4几种典型的随机信号
2-4-1白噪声
2-4-2高斯—马尔柯夫过程
2-4-3随机电报信号
2-4-4窄带高斯过程
2-4-5布朗运动过程
2.5伪随机信号
第三章 随机信号的统计分析
3.1统计分析方法
3-1-1消除趋势函数和限带滤波处理
3-1-2有限带宽随机信号的抽样
3-1-3量化
3-1-4统计分析所需的记录长度
3.2信号均值、方差和一维分布密度函数的估计
3-2-1均值估计
3-2-2方差估计
3-2-3分布密度函数估计
3.3相关函数的非参数估计
3-3-1自相关函数估计
3-3-2互相关函数估计
3-3-3实用估计方法
3-4-1谱估计的偏
3.4功率谱估计
3-4-2谱估计的方差
3-4-3平均周期图方法
3-4-4平滑周期图方法与窗
3-4-5谱估计的自由度
3-4-6谱估计的置信区间
3-4-7谱估计的步骤
4-1-1判定的失误
4.1检测的概念和检测准则
第四章 信号检测和参数估计
4-1-2贝叶斯风险准则
4-1-3实用的判别准则
4.2等幅度信号多次观测判定
4-2-1方形脉冲信号的多次观测
4-2-2叠加拉普拉斯分布噪声信号的判定
4.3任意波形的信号检测
4-3-1匹配滤波器
4-3-2随机信号检测
4-4-1多元假设判定
4.4噪声中信号参数的贝叶斯估计
4-4-2贝叶斯估计原理
4-4-3贝叶斯估计
4.5极大似然估计
4.6线性均方估计
4.7最小二乘估计
4-7-1最小二乘估计
4-7-2估计的统计特性
4-7-3序贯最小二乘估计
第五章 信号模型和参数法谱估计
5.1线性系统对随机信号的响应
5-1-1系统的稳态响应
5-1-2互谱和系统的频率响应特性
5-1-3线性系统的暂态分析
5.2信号模型
5-2-1线性常微分方程和成形滤波器
5-2-2差分形式的信号模型
5-3-1ARMA模型的动态特性
5.3ARMA模型的特性
5-3-2ARMA过程的统计特性
5-3-3ARMA模型的稳定条件
5-3-4时域连续模型与差分模型
5.4极大熵谱估计
5-4-1参数法谱估计概述
5-4-2极大熵准则
5-4-3极大熵谱估计与AR谱估计
5-4-1自回归谱估计方法概述
5.5自回归谱估计算法
5-5-2列文逊算法
5-5-3伯格算法
5-5-4玛勃算法
5-5-5模型阶数的确定
第六章 维纳滤波和自适应滤波
6.1维纳滤波器
6-1-1滤波器的最优化问题
6-1-2优化加权函数的非因果性解
6-1-3优化加权函数的因果性解
6-1-4非平稳问题
6-1-5滤波器误差与输入信号的不相关性
6-1-6离散维纳滤波器
6.2自适应滤波器
6-2-1自适应滤波器的结构
6-2-2LMS算法
6-2-3自适应过程
6-2-4自适应过程中的噪声
6-2-5解决非平稳问题的能力
6.3自适应消噪声
6-3-1自适应消噪声的原理
6-3-2参考输入端出现的信号成分的影响
6-3-3陷波滤波器,消除市电干扰
6-3-4分离信号和信号的谱线增强
第七章 时变信号和卡尔曼滤波
7.1状态变量模型
7-1-1具有有理谱函数的平稳信号的状态变量模型
7-1-2状态变量模型用于非平稳过程
7-1-3离散时间模型
7.2离散卡尔曼滤波器
7-2-1卡尔曼滤波环
7-2-2增广动态系统(过程噪声为非白噪声的情形)
7-2-3其它型式的卡尔曼滤波器
7-2-4观测数据的序贯处理
7-2-5发散问题
7-3-2平滑问题
7-3-1预测算法
7.3离散平滑和预测
7-3-3固定间隔的平滑
7-3-4固定点的平滑
7-3-5固定滞后的平滑
附录
附录一 拉普拉斯变换
附录二 矩阵的微分运算和积分运算
附录三 矩阵求逆引理证明
附录四 变分法