信號(hào)處理仿真實(shí)驗(yàn)（第2版）

目錄






算法篇

第1章信號(hào)處理仿真實(shí)驗(yàn)基礎(chǔ)

1.1概述

1.1.1數(shù)字信號(hào)處理的基本
概念

1.1.2數(shù)字信號(hào)處理的特點(diǎn)

1.1.3數(shù)字信號(hào)處理的一般
形式

1.2信號(hào)與系統(tǒng)基礎(chǔ)

1.2.1連續(xù)時(shí)間系統(tǒng)的時(shí)域
分析

1.2.2傅里葉變換

1.2.3拉普拉斯變換

1.3隨機(jī)信號(hào)處理基礎(chǔ)

1.3.1典型隨機(jī)變量的概率
密度

1.3.2隨機(jī)過(guò)程的統(tǒng)計(jì)描述與
估計(jì)

1.3.3隨機(jī)過(guò)程的功率譜密度

1.4課外知識(shí)點(diǎn)： 隨機(jī)數(shù)的產(chǎn)生

1.5課外知識(shí)點(diǎn)： 單位沖激和單位
脈沖

1.6課外知識(shí)點(diǎn)： 單位階躍信號(hào)和
單位階躍序列

1.7參考文獻(xiàn)

第2章離散時(shí)間信號(hào)與系統(tǒng)

2.1基本概念

2.2信號(hào)的采樣與重建

2.3離散時(shí)間傅里葉變換

2.4離散傅里葉變換

2.5快速傅里葉變換

2.6課外知識(shí)點(diǎn)： 幾種形式的
傅里葉變換

2.7課外知識(shí)點(diǎn)： 補(bǔ)零位置對(duì)
頻譜估計(jì)的影響

2.8參考文獻(xiàn)

第3章數(shù)字濾波器的設(shè)計(jì)與實(shí)現(xiàn)

3.1IIR濾波器的基本結(jié)構(gòu)

3.2IIR濾波器的設(shè)計(jì)

3.2.1模擬原型濾波器設(shè)計(jì)

3.2.2頻率變換

3.2.3濾波器的映射

3.3完全濾波器的設(shè)計(jì)

3.4FIR濾波器的基本結(jié)構(gòu)

3.5FIR濾波器的設(shè)計(jì)

3.5.1窗函數(shù)設(shè)計(jì)法

3.5.2頻率采樣設(shè)計(jì)法

3.6IIR和FIR濾波器的比較

3.7課外知識(shí)點(diǎn)： 濾波器設(shè)計(jì)與
分析工具FDATool

3.8參考文獻(xiàn)

第4章功率譜估計(jì)

4.1概述

4.2間接法(BT法)

4.3直接法(周期圖法)

4.4改進(jìn)的周期圖法

4.4.1Bartlett法

4.4.2加窗Bartlett法

4.4.3Welch法

4.5其他譜估計(jì)方法

4.5.1多窗口法

4.5.2最大熵估計(jì)法

4.6短時(shí)傅里葉變換

4.7課外知識(shí)點(diǎn)： 信號(hào)處理
工具SPTool

4.8參考文獻(xiàn)

第5章自適應(yīng)濾波

5.1自適應(yīng)濾波基本原理

5.2最小均方誤差自適應(yīng)濾波

5.3遞歸最小二乘自適應(yīng)濾波

5.4自適應(yīng)濾波器的應(yīng)用

5.4.1自適應(yīng)干擾抵消

5.4.2自適應(yīng)預(yù)測(cè)

5.4.3自適應(yīng)信號(hào)分離器

5.4.4自適應(yīng)圖像去噪

5.4.5自適應(yīng)信道均衡

5.5參考文獻(xiàn)

第6章信號(hào)檢測(cè)

6.1簡(jiǎn)單假設(shè)檢驗(yàn)

6.1.1簡(jiǎn)單假設(shè)檢驗(yàn)

6.1.2判決準(zhǔn)則

6.2復(fù)合假設(shè)檢驗(yàn)

6.2.1貝葉斯方法

6.2.2一致最大勢(shì)檢驗(yàn)

6.2.3廣義似然比檢驗(yàn)

6.3多元假設(shè)檢驗(yàn)

6.4參考文獻(xiàn)

案例篇

案例1周期信號(hào)的分解與合成


案例2測(cè)試濾波器的幅頻特性

案例3利用離散傅里葉變換區(qū)分
兩個(gè)單頻信號(hào)
案例4產(chǎn)生特定功率譜的隨機(jī)數(shù)

案例5基于自適應(yīng)濾波的系統(tǒng)辨識(shí)

案例6時(shí)域信號(hào)的插值重構(gòu)
案例7頻譜泄漏的動(dòng)態(tài)演示

案例8基于DTW的阿拉伯?dāng)?shù)字語(yǔ)音
識(shí)別
案例9用MATLAB演奏音樂(lè)

案例10電話(huà)撥號(hào)音仿真

案例11聽(tīng)撥號(hào)音識(shí)別號(hào)碼

案例12卡爾曼濾波在機(jī)動(dòng)目標(biāo)跟蹤
中的應(yīng)用
案例13倒車(chē)?yán)走_(dá)
案例14Turbo迭代解碼

案例15提取水聲目標(biāo)的GFCC
特征
案例16基于LOFAR譜的水聲目標(biāo)
檢測(cè)

案例17數(shù)字圖像直方圖均衡

案例18基于圖像模式識(shí)別的多元
假設(shè)檢驗(yàn)

案例19汽車(chē)號(hào)牌自動(dòng)識(shí)別

案例20手寫(xiě)數(shù)字的智能識(shí)別

案例21人臉朝向識(shí)別