數(shù)字信號(hào)處理：時(shí)域離散隨機(jī)信號(hào)處理

第一章 時(shí)域離散隨機(jī)信號(hào)的分析
1.1 引言
1.2 時(shí)域離散隨機(jī)信號(hào)的統(tǒng)計(jì)描述
1.2.1 時(shí)域離散隨機(jī)信號(hào)（隨機(jī)序列）的概率描述
1.2.2 隨機(jī)序列的數(shù)字特征
1.2.3 平穩(wěn)隨機(jī)序列及其數(shù)字特征
1.2.4 平穩(wěn)隨機(jī)序列的功率密度譜
1.2.5 隨機(jī)序列的各態(tài)歷經(jīng)性
1.2.6 特定的隨機(jī)序列
1.2.7 隨機(jī)信號(hào)的采樣定理
1.3 隨機(jī)序列數(shù)字特征的估計(jì)
1.3.1 估計(jì)準(zhǔn)則
1.3.2 均值的估計(jì)
1.3.3 方差的估計(jì)
1.3.4 隨機(jī)序列自相關(guān)函數(shù)的估計(jì)
1.4 平穩(wěn)隨機(jī)序列通過(guò)線(xiàn)性系統(tǒng)
1.4.1 系統(tǒng)響應(yīng)的均值、
1.4.2 輸出響應(yīng)的功率譜密度函數(shù)
1.4.3 系統(tǒng)的輸入、
1.4.4 相關(guān)卷積定理
1.5 時(shí)間序列信號(hào)模型
1.5.1 三種時(shí)間序列模型
1.5.2 三種時(shí)間序列信號(hào)模型的適應(yīng)性
1.5.3 自相關(guān)函數(shù)、
習(xí)題 
參考文獻(xiàn) 
第二章 維納濾波和卡爾曼濾波 
2.1 引言
2.2 維納濾波器的離散形式——時(shí)域解
2.2.1 維納濾波器時(shí)域求解的方法
2.2.2 維納-霍夫方程
2.2.3 估計(jì)誤差的均方值
2.3 離散維納濾波器的z域解
2.3.1 非因果維納濾波器的求解
2.3.2 因果維納濾波器的求解
2.4 維納預(yù)測(cè)
2.4.1 維納預(yù)測(cè)的計(jì)算
2.4.2 純預(yù)測(cè)
2.4.3 一步線(xiàn)性預(yù)測(cè)的時(shí)域解
2.5 卡爾曼(Kalman)濾波
2.5.1 卡爾曼濾波的狀態(tài)方程和量測(cè)方程
2.5.2 卡爾曼濾波的遞推算法
2.5.3 應(yīng)用舉例
2.5.4 發(fā)散問(wèn)題及其抑制
習(xí)題 
上機(jī)作業(yè) 
參考文獻(xiàn) 
第三章 自適應(yīng)數(shù)字濾波器 
3.1 引言
3.2 自適應(yīng)橫向?yàn)V波器
3.2.1 自適應(yīng)線(xiàn)性組合器和自適應(yīng)FIR濾波器
3.2.2 性能函數(shù)表示式及其幾何意義
3.2.3 最陡下降法
3.2.4 最小均方(LMS)算法
3.3 自適應(yīng)格型濾波器
3.3.1 前、
3.3.2 格型濾波器
3.3.3 最小均方誤差自適應(yīng)格型濾波器
3.4 最小二乘自適應(yīng)濾波
3.4.1 最小二乘濾波
3.4.2 遞推最小二乘法(RLS)
3.4.3 線(xiàn)性向量空間
3.4.4 最小二乘格型算法(LSL)
3.4.5 快速橫向?yàn)V波算法(FTF算法)
3.5 自適應(yīng)濾波的應(yīng)用
3.5.1 自適應(yīng)對(duì)消
3.5.2 自適應(yīng)陷波器(NF)
3.5.3 自適應(yīng)逆濾波
3.5.4 預(yù)測(cè)及信號(hào)分離
習(xí)題 
上機(jī)作業(yè) 
參考文獻(xiàn) 
第四章 功率譜估計(jì) 
4.1 引言
4.2 經(jīng)典譜估計(jì)
4.2.1 BT法
4.2.2 周期圖法
4.2.3 經(jīng)典譜估計(jì)方法改進(jìn)
4.3 現(xiàn)代譜估計(jì)中的參數(shù)建模
4.3.1 模型選擇
4.3.2 模型參數(shù)和自相關(guān)函數(shù)之間的關(guān)系
4.4 AR模型譜估計(jì)的性質(zhì)
4.4.1 AR模型的線(xiàn)性預(yù)測(cè)
4.4.2 預(yù)測(cè)誤差濾波器的最小相位特性
4.4.3 AR模型隱含自相關(guān)函數(shù)延拓特性
4.5 AR譜估計(jì)的方法
4.5.1 自相關(guān)法——列文森（Levenson）遞推法
4.5.2 協(xié)方差法與修正協(xié)方差法
4.5.3 伯格(Burg)遞推法
4.5.4 關(guān)于AR模型階次的選擇
4.6 最大熵譜估計(jì)與最大似然譜估計(jì)
4.6.1 最大熵譜估計(jì)
4.6.2 最大似然譜估計(jì)——最小方差譜估計(jì)
4.7 特征分解法譜估計(jì)
4.7.1 正弦波用退化AR模型表示
4.7.2 白噪聲中正弦波組合用一特殊的ARMA模型表示
4.7.3 特征分解法譜估計(jì)
習(xí)題 
上機(jī)作業(yè) 
參考文獻(xiàn) 
第五章 時(shí)頻分析
5.1 引言
5.2 短時(shí)傅里葉變換
5.2.1 短時(shí)傅里葉變換的定義及其物理解釋
5.2.2 短時(shí)傅里葉變換的性質(zhì)
5.2.3 短時(shí)傅里葉變換的時(shí)間、
5.2.4 短時(shí)傅里葉變換的實(shí)現(xiàn)
5.3 維格納變換(WD)
5.3.1 WD的定義
5.3.2 WD的性質(zhì)
5.3.3 常用信號(hào)的WD舉例
5.3.4 關(guān)于二次時(shí)頻分布中的交叉(干擾)項(xiàng)
5.4 時(shí)域離散信號(hào)的維格納變換
5.4.1 時(shí)域離散信號(hào)的WD定義
5.4.2 利用FFT計(jì)算維格納分布
5.5 時(shí)頻分布的統(tǒng)一表示式
5.5.1 模糊函數(shù)及其和WD之間的關(guān)系
5.5.2 Cohen
5.5.3 廣義雙線(xiàn)性時(shí)頻分布舉例
5.6 時(shí)頻分析在編隊(duì)目標(biāo)架次檢測(cè)中的應(yīng)用
5.6.1 編隊(duì)飛機(jī)目標(biāo)多普勒特性分析
5.6.2 編隊(duì)目標(biāo)的WignerVille分布
5.6.3 基于WVD圖的架次檢測(cè)方案
5.6.4 實(shí)驗(yàn)結(jié)果及討論
習(xí)題 
參考文獻(xiàn) 
第六章 小波分析的基本原理及其應(yīng)用 
6.1 引言
6.2 連續(xù)小波變換
6.2.1 從短時(shí)傅里葉變換到小波變換
6.2.2 連續(xù)小波變換
6.2.3 連續(xù)小波變換的性質(zhì)
6.2.4 小波變換的反演以及對(duì)基小波的要求
6.2.5 幾種常用的基本小波基
6.3 離散小波變換
6.3.1 框架的概念
6.3.2 通過(guò)框架對(duì)原函數(shù)進(jìn)行重構(gòu)
6.3.3 小波框架
6.3.4 多分辨率分析與離散序列的小波變換
6.3.5 尺度函數(shù)和小波函數(shù)的一些重要性質(zhì)
6.4 小波分析的應(yīng)用
6.4.1 小波變換用于表征信號(hào)的突變特征
6.4.2 小波變換在信號(hào)與圖像壓縮中的應(yīng)用
6.4.3 小波變換在數(shù)字信號(hào)調(diào)制識(shí)別中的應(yīng)用
習(xí)題 
參考文獻(xiàn)