现代信号处理导论[电子资源.图书]

目录
第1章 信号的参数估计
1.1 估计量及其性质
1.2 矩法估计
1.3 最小二乘估计与加权最小二乘估计
1.3.1 最小二乘估计
1.3.2 加权最小二乘估计
1.4 线性最小均方误差估计
1.5 最小方差估计
1.6 最大后验概率估计
1.7 极大似然估计
1.8 Bayes估计
1.9 区间估计
习题1
第2章 波形估计
2.1 正交性原理
2.2 维纳滤波
2.3 卡尔曼滤波
2.3.1 卡尔曼滤波的基本原理及分解
2.3.2 卡尔曼滤波器的设计
习题2
第3章 现代功率谱估计
3.1 从经典谱估计到现代谱估计
3.2 谱估计的参数模型法
3.3 AR模型的参数估计
3.3.1 Yule-Walker方程
3.3.2 AR模型与一步预测滤波器的关系
3.3.3 预测误差滤波器及其性质
3.3.4 AR模型的标准方程组及L-D递推算法
3.4 已知观测数据序列时AR模型的参数估计
3.4.1 自相关法
3.4.2 最小二乘估计法
3.4.3 U-C算法
3.4.4 格网法
3.4.5 Burg算法
3.5 加权算法与Marple算法
3.5.1 加权算法
3.5.2 Marple算法
3.6 AR模型参数的矩阵递推估计算法
3.6.1 AR模型的两种矩阵表达式
3.6.2 U-C算法的第二种参数估计
3.6.3 LUD算法
3.6.4 BSMF算法
3.7 AR模型阶数估计若干准则
3.8 Burg最大熵法与AR过程以及最大熵谱分析与ARMA过程
3.8.1 Burg最大熵法与AR过程
3.8.2 最大熵谱分析与ARMA过程
3.8.3 MEM2
3.9 ARMA模型的参数估计
3.9.1 交叉相乘定参数法
3.9.2 长自回归白噪化估计参数的方法
3.9.3 最小二乘估计法与CDE迭代算法
3.10 奇异值分解、总体最小二乘法和广义最小二乘法
3.10.1 奇异值分解
3.10.2 总体最小二乘法
3.10.3 广义最小二乘法及其改进算法
3.11 Pisarenko谐波分解法
3.12 扩充的Prony方法
习题3
第4章 自适应滤波
4.1 自适应最小均方(LMS)横向滤波器
4.1.1 基本LMS算法
4.1.2 LMS算法性能分析
4.2 自适应RLS横向滤波器
4.2.1 最小二乘滤波器
4.2.2 递推最小二乘(RLS)算法
4.3 用矢量空间法探讨最小二乘滤波问题
4.3.1 前加窗法
4.3.2 投影矩阵和正交投影矩阵
4.3.3 时间更新
4.4 最小二乘格型(LSL)自适应算法
4.4.1 前向线性预测
4.4.2 后向线性预测
4.4.3 格型结构的预测误差滤波器
4.4.4 LSL自适应算法
4.5 快速横向滤波(FTF)自适应算法
4.5.1 4个横向滤波器
4.5.2 横向滤波算子的时间更新
4.5.3 FTF自适应算法
4.5.4 FTF算法的改进
习题4
第5章 非平隐随机信号处理简介
5.1 Wigner分布(WD)
5.1.1 连续时间信号的Wigner分布
5.1.2 离散时间信号的Wigner分布
5.1.3 时间与频率均离散的WD
5.1.4 非平稳随机信号的Wigner-Ville谱
5.2 短时Fourier变换与分数阶Fourier变换
5.2.1 短时Fourier变换(STFT)
5.2.2 分数阶Fourier变换(FRFT)
5.3 Gabor展开
5.3.1 连续Gabor展开
5.3.2 离散Gabor展开
5.3.3 离散与连续Gabor展开之间的关系
第6章 小波变换简介
6.1 连续小波变换
6.2 离散小波变换
6.3 二进小波变换
6.4 多分辩（多尺度）分析
第7章 统计性能分析简介
7.1 随机变量序列的收敛性
7.1.1 几乎必然(a.s)收敛
7.1.2 依概率收敛
7.1.3 依分布收敛（或弱收敛）
7.1.4 依r阶（矩）收敛
7.1.5 收敛性的拓广
7.1.6 渐近正态性(AN)
7.2 时间序列的样本均值的收敛性
7.3 时间序列样本自相关的收敛性
参考文献