第1章 信號的參數(shù)估計
1. 1 估計量及其性質
1. 2 矩法估計
1. 3 最小二乘估計與加權最小二乘估計
1. 3. 1 最小二乘估計
1. 3. 2 加權最小二乘估計
1. 4 線性最小均方誤差估計
1. 5 最小方差估計
1. 6 最大后驗概率估計
1. 7 極大似然估計
1. 8 Bayes估計
1. 9 區(qū)間估計
習題1
第2章 波形估計
2. 1 正交性原理
2. 2 維納濾波
2. 3 卡爾曼濾波
2. 3. 1 卡爾曼濾波的基本原理及分解
2. 3. 2 卡爾曼濾波器的設計
習題2
第3章 現(xiàn)代功率譜估計
3. 1 從經典譜估計到現(xiàn)代譜估計
3. 2 譜估計的參數(shù)模型法
3. 3 AR模型的參數(shù)估計
3. 3. 1 Yule-Walker方程
3. 3. 2 AR模型與一步預測濾波器的關系
3. 3. 3 預測誤差濾波器及其性質
3. 3. 4 AR模型的標準方程組及I-D遞推算法
3. 4 已知觀測數(shù)據序列時AR模型的參數(shù)估計
3. 4. 1 自相關法
3. 4. 2 最小二乘估計法
3. 4. 3 U-C算法
3. 4. 4 格網法
3. 4. 5 Burg算法
3. 5 加權算法與MarpIe算法
3. 5. 1 加權算法
3. 5. 2 Marple算法
3. 6 AR模型參數(shù)的矩陣遞推估計算法
3. 6. 1 AR模型的兩種矩陣表達式
3. 6. 2 U-C算法的第二種參數(shù)估計
3. 6. 3 LUD算法
3. 6. 4 BSMF算法
3. 7 AR模型階數(shù)估計若干準則
3. 8 Burg最大熵法與AR過程以及最大炳譜分析與ARMA過程
3. 8. 1 Burg最大熵法與AR過程
3. 8. 2 最大熵譜分析與ARMA過程
3. 8. 3 MEM2
3. 9 ARMA模型的參數(shù)估計
3. 9. 1 交叉相乘定參數(shù)法
3. 9. 2 長自回歸白噪化估計參數(shù)的方法
3. 9. 3 最小二乘估計法與CDE迭代算法
3. 10 奇異值分解. 總體最小二乘法和廣義最小二乘法
3. 10. 1 奇異值分解
3. 10. 2 總體最小二乘法
3. 10. 3 廣義最小二乘法及其改進算法
3. 11 Pisarenko諧波分解法
3. 12 擴充的Prony方法
習題3
第4章 自適應濾波
4. 1 自適應最小均方(LMS)橫向濾波器
4. 1. 1 基本LWS算法
4. 1. 2 LMS算法性能分析
4. 2 自適應RLS橫向濾波器
4. 2. 1 最小二乘濾波器
4. 2. 2 遞推最小二乘(RLS)算法
4. 3 用矢量空間法探討最小二乘濾波問題
4. 3. 1 前加窗法
4. 3. 2 投影矩陣和正交投影矩陣
4. 3. 3 時間更新
4. 4 最小二乘格型(LSL)自適應算法
4. 4. 1 前向線性預測
4. 4. 2 后向線性預測
4. 4. 3 格型結構的預測誤差濾波器
4. 4. 4 LSL自適應算法
4. 5 快速橫向濾波(FTF)自適應算法
4. 5. 1 4個橫向濾波器
4. 5. 2 橫向濾波算子的時間更新
4. 5. 3 FTF自適應算法
4. 5. 4 FTF算法的改進
習題4
第5章 非平隱隨機信號處理簡介
5. 1 Wigner分布(WD)
5. 1. 1 連續(xù)時間信號的Wigner分布
5. 1. 2 離散時間信號的Wigner分布
5. 1. 3 時間與頻率均離散的WD
5. 1. 4 非平穩(wěn)隨機信號的Wigner-Ville譜
5. 2 短時Fourier變換與分數(shù)階Fourier變換
5. 2. 1 短時Fourier變換(STFT)
5. 2. 2 分數(shù)階Fourier變換(FRFT)
5. 3 Gabor展開
5. 3. 1 連續(xù)Gabor展開
5. 3. 2 離散Gabor展開
5. 3. 3 離散與連續(xù)Gabor展開之間的關系
第6章 小波變換簡介
6. 1 連續(xù)小波變換
6. 2 離散小波變換
6. 3 二進小波變換
6. 4 多分辯(多尺度)分析
第7章 統(tǒng)計性能分析簡介
7. 1 隨機變量序列的收斂性
7. 1. 1 幾乎必然(a. s)收斂
7. 1. 2 依概率收斂
7. 1. 3 依分布收斂(或弱收斂)
7. 1. 4 依r階(矩)收斂
7. 1. 5 收斂性的拓廣
7. 1. 6 漸近正態(tài)性(AN)
7. 2 時間序列的樣本均值的收斂性
7. 3 時間序列樣本自相關的收斂性
參考文獻
鄂公網安備 42010302001612號 