現(xiàn)代數(shù)字信號處理簡明教程

第1章  數(shù)字信號處理基本概念
  1.1  概述
  1.2  離散時間信號
  1.2.1  連續(xù)時間信號的采樣
  1.2.2  采樣定理
  1.2.3  幾種常見的數(shù)字信號
  1.2.4  信號的能量、功率及周期性
  1.2.5  信號的基本運算
  1.3  信號的Fourier變換
  1.3.1  連續(xù)時間信號的Fourier變換
  1.3.2  離散時間信號的Fourier變換
  1.3.3  離散Fourier變換(DFT)
  1.3.4  DFT的性質
  1.4  z變換
  1.4.1  z變換的定義
  1.4.2  z變換的收斂域
  1.4.3  z變換的性質
  1.4.4  逆z變換
  1.5  離散時間系統(tǒng)
  1.5.1  基本概念
  1.5.2  離散時間系統(tǒng)的線性性和時不變性
  1.5.3  離散時間系統(tǒng)的單位沖激響應函數(shù)
  1.5.4  LSI系統(tǒng)的穩(wěn)定性
  思考題
  習  題
第2章  隨機信號分析基礎
  2.1  概述
  2.2  隨機信號的概率結構
  2.2.1  概率分布函數(shù)及概率密度函數(shù)
  2.2.2  隨機信號的階數(shù)及其平穩(wěn)性
  2.3  隨機信號的數(shù)字特征
  2.4  隨機信號的功率譜密度
  2.4.1  維納—辛欽定理
  2.4.2  功率譜密度的性質
  2.5  離散時間隨機信號
  2.5.1  離散時間隨機信號的數(shù)字特征
  2.5.2  離散隨機序列的功率譜密度
  2.6  隨機信號的遍歷性
  .2.6.1  總集意義上的數(shù)字特征與時間意義上的數(shù)字特征
  .  2.6.2  平穩(wěn)隨機信號的遍歷性
  2.7  幾種常見的隨機信號
  2.8  隨機信號數(shù)字特征的估計
  2.8.1.估計的質量
  2.8.2  隨機信號均值及方差的估計
  2.8.3  自相關函數(shù)的估計
  思考題
  習  題
第3章  信號量化與編碼
  3.1  引言
  3.2  標量量化
  3.2.1  概述
  3.2.2  標量量化器結構
  3.2.3  量化器性能測度
  3.2.4  均勻量化器
  3.2.5  非均勻量化器
  3.2.6  最佳量化
  3.2.7  有記憶量化
  3.3  矢量量化的基本理論
  3.3.1  概述
  3.3.2  基本定義
  3.3.3  矢量量化器的結構
  3.3.4  矢量量化器的性能測度
  3.3.5  最鄰近矢量量化器
  3.3.6  格型矢量量化器
  3.3.7  矢量量化器漸近性能分析
  3.4  矢量量化器的設計
  3.4.1  概述
  3.4.2  最佳量化條件
  3.4.3  矢量量化器設計
  3.5  受限矢量量化
  3.5.1  結構受限矢量量化
  3.5.2  樹形結構矢量量化
  3.5.3  分類矢量量化
  3.5.4  正交變換矢量量化
  3.5.5  乘積碼技術
  3.5.6  均值消除矢量量化
  3.5.7  形狀—增益矢量量化
  3.5.8  多級矢量量化
  3.5.9  分層及多分辨率矢量量化
  3.5.10  快速最鄰近編碼
  3.6  有記憶矢量量化
  3.6.1  預測矢量量化
  3.6.2  自適應矢量量化器
  3.7  應用舉例
  3；7.1  圖像信號壓縮
  3.7.2  語音信號壓縮
  3.7.3  模式識別
  思考題
  習  題
第4章  平穩(wěn)隨機信號的線性模型
  4.1  隨機信號通過線性系統(tǒng)
  4.1.1  基本概念
  4.1.2  線性系統(tǒng)的輸入輸出信號之間數(shù)字特征的關系
  4.2  離散時間序列的自回歸滑動平均模型
  4.2.1  基于線性微分方程的線性非移變系統(tǒng)
  4.2.2  離散時間序列的自回歸滑動平均模型
  4.2.3  ARMA模型的傳遞函數(shù)
  4.2.4  ARMA系統(tǒng)的穩(wěn)定性
  4.3  ARMA模型的數(shù)字特征
  4.3.1  互相關函數(shù)
  4.3.2  自相關函數(shù)
  4.3.3  功率譜密度
  4.4  ARMA、AR、MA模型之間的關系
  思考題
  習  題
第5章  功率譜估計
  5.1  概述
  5.2  經典譜估計的基本方法
  5.2.1  周期圖法
  5.2.2  相關圖法
  5.2.3  經典譜估計方法的改進
  5.3  功率譜估計的參數(shù)模型法
  5.3.1  AR譜估計的相關函數(shù)法
  5.3.2  AR參數(shù)譜估計與最佳線性預測器的關系
  5.3.3  Levinson-Durbin算法
  5.3.4  Burg算法
  5.3.5  AR譜估計的性質
  5.3.6  MA譜估計、ARMA譜估計
  5.4  最大熵譜估計
  5.5  特征分解法譜估計
  5.5.1  Pisarenko諧波分解與相關矩陣的特征分解
  5.5.2  基于信號子空間的頻率估計及功率譜估計
  思考題
  習  題
第6章  自適應濾波
  6.1  數(shù)字濾波器的基本概念
  6.1.1  基本概念
  6.1.2  FIR和IIR數(shù)字濾波器的實現(xiàn)
  6.2  維納(Winner)濾波器
  6.2.1  濾波器的最優(yōu)化問題
  6.2.2  最小均方誤差(MMSE)準則與正交性原理
  6.2.3  Wiener-Hop~正則方程
  6.2.4  Wiener濾波器的求解
  6.3  自適應濾波器
  6.3.1  自適應濾波器的基本概念
  6.3.2  基于最小均方差誤差的自適應濾波器及性能函數(shù)
  6.3.3  梯度搜索法
  6.3.4  LMS自適應濾波器
  6.4  線性預測格型濾波器
  6.4.1  格型濾波器的數(shù)學模型
  6.4.2  格型濾波器的特點
  6.4.3  格型濾波器的幾個性質
  6.5  最小二乘濾波
  6.5.1  最小二乘法的基本概念
  6.5.2  線性向量空間及投影操作算子
  6.5.3  最小二乘格型濾波器
  6.5.4  快速橫向濾波器
  6.6  自適應濾波技術的應用
  6.6.1  自適應均衡器
  6.6.2  自適應回聲消除
  6；6.3  自適應噪聲消除器
  6.6.4  自適應信號增強器
  6.6.5  自適應譜估計
  思考題
  習  題
第7章  多抽樣率信號分析
  7.1  概述
  7.1.1  多抽樣率系統(tǒng)基本理論
  7.1.2  數(shù)字濾波器陣列
  7.1.3  濾波器的多相表示
  7.1.4  抽取／內插濾波器的多相結構
  7.1.5  多相結構的開關模型
  7.1.6  幾種特殊的濾波器與濾波器陣列
  7.2  正交鏡像濾波器陣列
  7.2.1  基本理論
  7.2.2  QMF的多相表示
  7.2.3  QMF陣列的失真消除
  7.2.4  多通道濾波器陣列基本理論
  7.2.5  M子帶Qh4F陣列的多相表示
  7.2.6  完全重構M子帶QMF陣列
  7.2.7  無混疊濾波器陣列
  思考題
  習  題
參考文獻