現(xiàn)代數(shù)字信號(hào)處理簡(jiǎn)明教程

第1章  數(shù)字信號(hào)處理基本概念
  1.1  概述
  1.2  離散時(shí)間信號(hào)
  1.2.1  連續(xù)時(shí)間信號(hào)的采樣
  1.2.2  采樣定理
  1.2.3  幾種常見(jiàn)的數(shù)字信號(hào)
  1.2.4  信號(hào)的能量、功率及周期性
  1.2.5  信號(hào)的基本運(yùn)算
  1.3  信號(hào)的Fourier變換
  1.3.1  連續(xù)時(shí)間信號(hào)的Fourier變換
  1.3.2  離散時(shí)間信號(hào)的Fourier變換
  1.3.3  離散Fourier變換(DFT)
  1.3.4  DFT的性質(zhì)
  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(zhì)
  1.4.4  逆z變換
  1.5  離散時(shí)間系統(tǒng)
  1.5.1  基本概念
  1.5.2  離散時(shí)間系統(tǒng)的線性性和時(shí)不變性
  1.5.3  離散時(shí)間系統(tǒng)的單位沖激響應(yīng)函數(shù)
  1.5.4  LSI系統(tǒng)的穩(wěn)定性
  思考題
  習(xí)  題
第2章  隨機(jī)信號(hào)分析基礎(chǔ)
  2.1  概述
  2.2  隨機(jī)信號(hào)的概率結(jié)構(gòu)
  2.2.1  概率分布函數(shù)及概率密度函數(shù)
  2.2.2  隨機(jī)信號(hào)的階數(shù)及其平穩(wěn)性
  2.3  隨機(jī)信號(hào)的數(shù)字特征
  2.4  隨機(jī)信號(hào)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(zhì)
  2.5  離散時(shí)間隨機(jī)信號(hào)
  2.5.1  離散時(shí)間隨機(jī)信號(hào)的數(shù)字特征
  2.5.2  離散隨機(jī)序列的功率譜密度
  2.6  隨機(jī)信號(hào)的遍歷性
  .2.6.1  總集意義上的數(shù)字特征與時(shí)間意義上的數(shù)字特征
  .  2.6.2  平穩(wěn)隨機(jī)信號(hào)的遍歷性
  2.7  幾種常見(jiàn)的隨機(jī)信號(hào)
  2.8  隨機(jī)信號(hào)數(shù)字特征的估計(jì)
  2.8.1.估計(jì)的質(zhì)量
  2.8.2  隨機(jī)信號(hào)均值及方差的估計(jì)
  2.8.3  自相關(guān)函數(shù)的估計(jì)
  思考題
  習(xí)  題
第3章  信號(hào)量化與編碼
  3.1  引言
  3.2  標(biāo)量量化
  3.2.1  概述
  3.2.2  標(biāo)量量化器結(jié)構(gòu)
  3.2.3  量化器性能測(cè)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(jié)構(gòu)
  3.3.4  矢量量化器的性能測(cè)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(shè)計(jì)
  3.4.1  概述
  3.4.2  最佳量化條件
  3.4.3  矢量量化器設(shè)計(jì)
  3.5  受限矢量量化
  3.5.1  結(jié)構(gòu)受限矢量量化
  3.5.2  樹(shù)形結(jié)構(gòu)矢量量化
  3.5.3  分類(lèi)矢量量化
  3.5.4  正交變換矢量量化
  3.5.5  乘積碼技術(shù)
  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(jí)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(yù)測(cè)矢量量化
  3.6.2  自適應(yīng)矢量量化器
  3.7  應(yīng)用舉例
  3；7.1  圖像信號(hào)壓縮
  3.7.2  語(yǔ)音信號(hào)壓縮
  3.7.3  模式識(shí)別
  思考題
  習(xí)  題
第4章  平穩(wěn)隨機(jī)信號(hào)的線性模型
  4.1  隨機(jī)信號(hào)通過(guò)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(hào)之間數(shù)字特征的關(guān)系
  4.2  離散時(shí)間序列的自回歸滑動(dòng)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(shí)間序列的自回歸滑動(dòng)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(guān)函數(shù)
  4.3.2  自相關(guān)函數(shù)
  4.3.3  功率譜密度
  4.4  ARMA、AR、MA模型之間的關(guān)系
  思考題
  習(xí)  題
第5章  功率譜估計(jì)
  5.1  概述
  5.2  經(jīng)典譜估計(jì)的基本方法
  5.2.1  周期圖法
  5.2.2  相關(guān)圖法
  5.2.3  經(jīng)典譜估計(jì)方法的改進(jìn)
  5.3  功率譜估計(jì)的參數(shù)模型法
  5.3.1  AR譜估計(jì)的相關(guān)函數(shù)法
  5.3.2  AR參數(shù)譜估計(jì)與最佳線性預(yù)測(cè)器的關(guān)系
  5.3.3  Levinson-Durbin算法
  5.3.4  Burg算法
  5.3.5  AR譜估計(jì)的性質(zhì)
  5.3.6  MA譜估計(jì)、ARMA譜估計(jì)
  5.4  最大熵譜估計(jì)
  5.5  特征分解法譜估計(jì)
  5.5.1  Pisarenko諧波分解與相關(guān)矩陣的特征分解
  5.5.2  基于信號(hào)子空間的頻率估計(jì)及功率譜估計(jì)
  思考題
  習(xí)  題
第6章  自適應(yīng)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(shí)現(xiàn)
  6.2  維納(Winner)濾波器
  6.2.1  濾波器的最優(yōu)化問(wèn)題
  6.2.2  最小均方誤差(MMSE)準(zhǔn)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(yīng)濾波器
  6.3.1  自適應(yīng)濾波器的基本概念
  6.3.2  基于最小均方差誤差的自適應(yīng)濾波器及性能函數(shù)
  6.3.3  梯度搜索法
  6.3.4  LMS自適應(yīng)濾波器
  6.4  線性預(yù)測(cè)格型濾波器
  6.4.1  格型濾波器的數(shù)學(xué)模型
  6.4.2  格型濾波器的特點(diǎn)
  6.4.3  格型濾波器的幾個(gè)性質(zhì)
  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?yàn)V波器
  6.6  自適應(yīng)濾波技術(shù)的應(yīng)用
  6.6.1  自適應(yīng)均衡器
  6.6.2  自適應(yīng)回聲消除
  6；6.3  自適應(yīng)噪聲消除器
  6.6.4  自適應(yīng)信號(hào)增強(qiáng)器
  6.6.5  自適應(yīng)譜估計(jì)
  思考題
  習(xí)  題
第7章  多抽樣率信號(hào)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?。瘍?nèi)插濾波器的多相結(jié)構(gòu)
  7.1.5  多相結(jié)構(gòu)的開(kāi)關(guān)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(gòu)M子帶QMF陣列
  7.2.7  無(wú)混疊濾波器陣列
  思考題
  習(xí)  題
參考文獻(xiàn)