數(shù)字信號處理基礎

封面
扉頁
版權頁
內容提要
前言
目錄
第一章 向量和矩陣分析
1.1 定義和基本運算
1.2 初等變換和矩陣的逆
1.3 分塊矩陣和分塊求逆
1.4 二次型和矩陣的特征值
1.5 矩陣的分解
1.6 矩陣分析
第二章 概率論與數(shù)理統(tǒng)計基礎
2.1 概率的一些基本公式和定理 封面
扉頁
版權頁
內容提要
前言
目錄
第一章 向量和矩陣分析
    1.1 定義和基本運算
    1.2 初等變換和矩陣的逆
    1.3 分塊矩陣和分塊求逆
    1.4 二次型和矩陣的特征值
    1.5 矩陣的分解
    1.6 矩陣分析
第二章 概率論與數(shù)理統(tǒng)計基礎
    2.1 概率的一些基本公式和定理
    2.2 隨機變量及其分布
    2.3 樣本及其分布
    2.4 正態(tài)分布
    2.5 統(tǒng)計推斷
    2.6 隨機序列
第三章 濾波器原理與設計
    3.1 濾波器的一般原理
    3.2 數(shù)字濾波器
    3.3 褶積濾波器的設計
    3.4 遞歸濾波器的頻域設計
    3.5 數(shù)字濾波器的誤差
    3.6 最小平方濾波器
    3.7 相關濾波
    3.8 反濾波（反褶積）
第四章 逐步回歸分析
    4.1 一元線性回歸
    4.2 回歸方程的顯著性檢驗
    4.3 失擬性檢驗
    4.4 回歸預測
    4.5 多元線性回歸
    4.6 回歸系數(shù)的顯著性檢驗
    4.7 多元回歸預測
    4.8 逐步回歸分析
第五章 時間序列的ARMA分析
    5.1 ARMA模型
    5.2 差分方程簡介
    5.3 ARMA模型的格林函數(shù)和逆函數(shù)
    5.4 最大似然法和最小二乘法
    5.5 ARMA序列的相關函數(shù)
    5.6 ARMA模型的參數(shù)估計
    5.7 模型階數(shù)
    5.8 趨勢性和季節(jié)性
    5.9 多維時間序列
第六章 最大熵譜
    6.1 時間序列的頻譜分析
    6.2 頻譜的頻率極限
    6.3 自相關和功率譜
    6.4 熵的概念與定義
    6.5 復正態(tài)過程
    6.6 最大熵譜的方程組
    6.7 最大熵譜的預測誤差解法
    6.8 預測誤差濾波器的遞推算法
    6.9 AR過程與最大熵譜
    6.10 FPE準則
    6.11 計算實例
    6.12 最大熵譜的漸近性質
第七章 最大似然譜
    7.1 譜估計的最大似然法
    7.2 最大熵譜法與最大似然譜法的比較
第八章 多道維納濾波
    8.1 引言
    8.2 維納—霍普方程
    8.3 單道維納濾波
    9.4 托布里茲方程的求解
    8.5 多道維納濾波
    8.6 多道正則方程的遞推解法
第九章 卡爾曼濾波
    9.1 引言
    9.2 最小均方差估計
    9.3 正交投影
    9.4 線性動態(tài)系統(tǒng)
    9.5 卡爾曼濾波公式
    9.6 濾波公式的證明
    9.7 一般的卡爾曼濾波公式
    9.8 系統(tǒng)模型和濾波的穩(wěn)定性
第十章 幾種統(tǒng)計估計方法的評述
    10.1 幾種統(tǒng)計估計
    10.2 濾波與統(tǒng)計估計的關系
第十一章 最小延遲和濾波器的性質
    11.1 物理可實現(xiàn)信號的性質
    11.2 相延遲、群延遲與最小相位信號
    11.3 最小相位信號的隸法
    11.4 濾波器的性質
    11.5 希爾伯特變換
第十二章 應用
    12.1 疏系數(shù)混合回歸方法分析大地震前后地形變資料
    12.2 維納濾波方法測定臺站間的相速度、群速度和Q值
    12.3 卡爾曼濾波方法在地下水位觀測資料中的應用
參考文獻
封底