信号处理教程

封面

版权页

内容提要

前言

第1章 信号处理基础

1.1 离散时间信号与系统

1.1.1 离散时间信号

1.1.2 离散时间系统

1.1.3 Z变换与系统函数

1.1.4 系统的因果性和稳定性

1.1.5 序列傅里叶变换与系统频响

1.1.6 离散傅里叶变换

1.1.7 IIR系统与FIR系统

1.2 随机信号基础

1.2.1 随机过程及其特征描述

1.2.2 相关函数与功率谱

1.2.3 白噪声过程和谐波过程

1.2.4 平稳随机信号的有理分式模型

1.2.5 平稳随机信号通过线性系统的定理

1.2.6 谱分解定理及三种模型的适应性

1.3 估计理论基础

1.3.1 估计的偏差

1.3.2 估计的方差

1.3.3 估计的均方误差与一致估计

1.3.4 自相关函数的估计方法

第2章 随机信号谱估计

2.1 概述

2.2 古典谱估计

2.2.1 相关法谱估计

2.2.2 周期图法谱估计

2.2.3 古典谱估计的改进

2.3 AR模型法谱估计

2.3.1 AR模型阶次的确定

2.3.2 尤勒-沃克方程

2.3.3 莱文森-杜宾快速递推算法

2.3.4 格型预测误差滤波器与伯格递推算法

2.3.5 自相关法与尤勒-沃克法的等效性

2.3.6 改进协方差法

2.4 MA模型法谱估计

2.4.1 MA模型的正则方程

2.4.2 用高阶AR模型近似MA模型

2.5 ARMA模型法谱估计

2.5.1 ARMA模型的正则方程

2.5.2 用高阶AR模型近似ARMA模型

2.6 基于矩阵特征分解的谱估计

2.6.1 相关矩阵的特征分解

2.6.2 皮萨伦科谐波分解法

2.6.3 多信号分类法

2.7 高阶谱及其估计

2.7.1 特征函数与高阶矩

2.7.2 累量生成函数与高阶累量

2.7.3 高阶累量与高阶矩

2.7.4 高阶累量与高阶谱（多谱）

2.7.5 高阶累量和多谱的性质

2.7.6 高阶累量和多谱估计

2.7.7 基于高阶累量的模型参数估计

2.7.8 多谱的应用

第3章 最优滤波

3.1 维纳滤波

3.1.1 概述

3.1.2 FIR维纳滤波器

3.1.3 联合过程估计

3.1.4 IIR维纳滤波器

3.2 卡尔曼滤波

3.2.1 概述

3.2.2 卡尔曼滤波的递推算法

3.2.3 向量卡尔曼滤波

第4章 自适应滤波

4.1 概述

4.2 FIR自适应滤波器

4.2.1 均方误差性能曲面

4.2.2 梯度下降法

4.2.3 最小均方算法

4.2.4 梯度类算法的改进算法

4.2.5 递归最小二乘算法

4.3 梯度自适应格型算法

4.4 IIR自适应滤波器

4.4.1 输出误差法

4.4.2 方程误差法

4.5 拉盖尔自适应滤波器

4.5.1 拉盖尔横向滤波器

4.5.2 基于拉盖尔格型的联合过程估计

4.5.3 梯度自适应拉盖尔格型算法

4.6 自适应滤波的应用

4.6.1 自适应预测

4.6.2 自适应干扰对消

4.6.3 自适应系统辨识

4.6.4 自适应信道均衡

第5章 多抽样率信号处理与滤波器组

5.1 抽取与插值

5.1.1 信号的抽取

5.1.2 信号的插值

5.1.3 分数倍抽样率转换

5.1.4 抽取与插值的应用

5.2 多相滤波器

5.2.1 多相表示

5.2.2 等效关系与互联

5.2.3 抽取与插值的多相滤波器结构

5.2.4 利用多相分解设计带通滤波器组

5.3 滤波器组基础