現(xiàn)代信號處理導(dǎo)論

第1章  信號的參數(shù)估計                  
 1. 1  估計量及其性質(zhì)                  
 1. 2  矩法估計                  
 1. 3  最小二乘估計與加權(quán)最小二乘估計                  
 1. 3. 1  最小二乘估計                  
 1. 3. 2  加權(quán)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(yàn)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(xí)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(shè)計                  
 習(xí)題2                  
                   
 第3章  現(xiàn)代功率譜估計                  
 3. 1  從經(jīng)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(yù)測濾波器的關(guān)系                  
 3. 3. 3  預(yù)測誤差濾波器及其性質(zhì)                  
 3. 3. 4  AR模型的標(biāo)準(zhǔn)方程組及I-D遞推算法                  
 3. 4  已知觀測數(shù)據(jù)序列時AR模型的參數(shù)估計                  
 3. 4. 1  自相關(guān)法                  
 3. 4. 2  最小二乘估計法                  
 3. 4. 3  U-C算法                  
 3. 4. 4  格網(wǎng)法                  
 3. 4. 5  Burg算法                  
 3. 5  加權(quán)算法與MarpIe算法                  
 3. 5. 1  加權(quán)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(dá)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(zhǔn)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(jìn)算法                  
 3. 11  Pisarenko諧波分解法                  
 3. 12  擴(kuò)充的Prony方法                  
 習(xí)題3                  
                   
 第4章  自適應(yīng)濾波                  
 4. 1  自適應(yīng)最小均方(LMS)橫向?yàn)V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(yīng)RLS橫向?yàn)V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(yīng)算法                  
 4. 4. 1  前向線性預(yù)測                  
 4. 4. 2  后向線性預(yù)測                  
 4. 4. 3  格型結(jié)構(gòu)的預(yù)測誤差濾波器                  
 4. 4. 4  LSL自適應(yīng)算法                  
 4. 5  快速橫向?yàn)V波(FTF)自適應(yīng)算法                  
 4. 5. 1  4個橫向?yàn)V波器                  
 4. 5. 2  橫向?yàn)V波算子的時間更新                  
 4. 5. 3  FTF自適應(yīng)算法                  
 4. 5. 4  FTF算法的改進(jìn)                  
 習(xí)題4                  
                   
 第5章  非平隱隨機(jī)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(jī)信號的Wigner-Ville譜                  
 5. 2  短時Fourier變換與分?jǐn)?shù)階Fourier變換                  
 5. 2. 1  短時Fourier變換(STFT)                  
 5. 2. 2  分?jǐn)?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(guān)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(jìn)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(jī)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(guān)的收斂性                  
 參考文獻(xiàn)