信號(hào)檢測(cè)、估計(jì)理論與識(shí)別技術(shù)

目 錄
第1章 信號(hào)檢測(cè)、估計(jì)理論與識(shí)別技術(shù)概述 1
1．1 引言 1
1．2 信號(hào)的隨機(jī)性及其處理方法 1
1．3 信號(hào)檢測(cè)與估計(jì)理論概述 3
1．4 信號(hào)識(shí)別技術(shù)概述 5
習(xí)題1 6
第2章 隨機(jī)過程與隨機(jī)信號(hào)的相關(guān)理論 7
2．1 隨機(jī)過程的基本概念 7
2．1．1 隨機(jī)過程的基本描述 7
2．1．2 隨機(jī)過程的分類 8
2．1．3 隨機(jī)過程的概率分布與統(tǒng)計(jì)分析 10
2．2 隨機(jī)信號(hào)的基本概念 12
2．2．1 隨機(jī)過程與隨機(jī)信號(hào) 12
2．2．2 隨機(jī)信號(hào)分析的一般方法 13
習(xí)題2 15
第3章 信號(hào)狀態(tài)的統(tǒng)計(jì)檢測(cè)理論 16
3．1 概述 16
3．2 二元信號(hào)的貝葉斯檢測(cè)準(zhǔn)則 16
3．2．1 平均代價(jià)與貝葉斯檢測(cè)準(zhǔn)則的概念 18
3．2．2 最佳判決式 18
3．2．3 檢測(cè)性能分析 20
3．3 二元信號(hào)的派生貝葉斯檢測(cè)準(zhǔn)則 20
3．3．1 最小平均錯(cuò)誤概率檢測(cè)準(zhǔn)則 21
3．3．2 最大后驗(yàn)概率檢測(cè)準(zhǔn)則 22
3．3．3 極小化極大檢測(cè)準(zhǔn)則 22
3．3．4 奈曼-皮爾遜檢測(cè)準(zhǔn)則 25
3．4 多元信號(hào)狀態(tài)的統(tǒng)計(jì)檢測(cè) 28
3．4．1 M元信號(hào)狀態(tài)的統(tǒng)計(jì)檢測(cè) 28
3．4．2 M元信號(hào)的貝葉斯檢測(cè)準(zhǔn)則 29
3．4．3 M元信號(hào)的最小平均錯(cuò)誤概率檢測(cè)準(zhǔn)則 29
3．5 隨機(jī)（或未知）參量信號(hào)狀態(tài)的統(tǒng)計(jì)檢測(cè) 31
3．6 信號(hào)狀態(tài)的序列檢測(cè) 37
3．6．1 信號(hào)狀態(tài)序列檢測(cè)的概念 37
3．6．2 序列檢測(cè)的似然比檢驗(yàn)判決式 38
3．6．3 判決域的劃分 38
3．6．4 序列檢測(cè)的平均觀測(cè)次數(shù) 39
習(xí)題3 41
第4章 信號(hào)波形檢測(cè)理論 44
4．1 概述 44
4．2 匹配濾波器理論 44
4．2．1 匹配濾波器的概念 44
4．2．2 匹配濾波器的定義 45
4．2．3 匹配濾波器的設(shè)計(jì) 45
4．2．4 匹配濾波器的特性 47
4．2．5 應(yīng)用舉例 50
4．3 確知信號(hào)的檢測(cè) 53
4．3．1 獨(dú)立樣本的獲取 53
4．3．2 接收機(jī)的結(jié)構(gòu)形式 54
4．3．3 接收機(jī)的檢測(cè)性能 56
4．4 參量信號(hào)的檢測(cè)――貝葉斯方法 59
4．4．1 貝葉斯原理 59
4．4．2 高斯白噪聲中的隨機(jī)相位信號(hào)波形檢測(cè) 60
4．5 參量信號(hào)的檢測(cè)――廣義似然比方法 64
4．5．1 廣義似然比方法原理 64
4．5．2 高斯白噪聲中的幅度未知信號(hào)波形檢測(cè) 66
4．5．3 高斯白噪聲中的未知到達(dá)時(shí)間信號(hào)波形檢測(cè) 68
4．5．4 高斯白噪聲中的正弦信號(hào)波形檢測(cè) 70
4．6 一致最大勢(shì)檢測(cè)器 73
習(xí)題4 75
第5章 信號(hào)參量的統(tǒng)計(jì)估計(jì)理論 77
5．1 概述 77
5．1．1 信號(hào)處理中的估計(jì)問題 77
5．1．2 參量估計(jì)的數(shù)學(xué)模型和估計(jì)量的構(gòu)造 78
5．1．3 估計(jì)性能的評(píng)估 79
5．2 隨機(jī)參量的貝葉斯估計(jì) 81
5．2．1 常用代價(jià)函數(shù)和貝葉斯估計(jì)的概念 81
5．2．2 貝葉斯估計(jì)量的構(gòu)造 83
5．2．3 最佳估計(jì)的不變性 89
5．3 最大似然估計(jì) 90
5．3．1 最大似然估計(jì)原理 90
5．3．2 最大似然估計(jì)量的構(gòu)造 90
5．3．3 最大似然估計(jì)的不變性 92
5．4 估計(jì)量的性質(zhì) 93
5．4．1 估計(jì)量的主要性質(zhì) 94
5．4．2 克拉美-羅不等式和克拉美-羅界 96
5．4．3 無偏有效估計(jì)量的均方誤差與克拉美-羅不等式 103
5．4．4 非隨機(jī)參量函數(shù)估計(jì)的克拉美-羅界 104
5．5 矢量估計(jì) 107
5．5．1 隨機(jī)矢量的貝葉斯估計(jì) 108
5．5．2 非隨機(jī)矢量的最大似然估計(jì) 109
5．5．3 矢量估計(jì)量的性質(zhì) 109
5．5．4 非隨機(jī)矢量函數(shù)估計(jì)的克拉美-羅界 115
5．6 信號(hào)波形中參量的估計(jì) 118
5．6．1 信號(hào)振幅的估計(jì) 120
5．6．2 信號(hào)相位的估計(jì) 121
5．6．3 信號(hào)頻率的估計(jì) 122
5．6．4 信號(hào)到達(dá)時(shí)間的估計(jì) 127
5．6．5 信號(hào)頻率和到達(dá)時(shí)間的同時(shí)估計(jì) 132
習(xí)題5 134
第6章 信號(hào)波形估計(jì)理論 137
6．1 概述 137
6．2 維納濾波 138
6．2．1 非因果解 140
6．2．2 因果解（頻譜因式分解法） 142
6．2．3 正交性 147
6．2．4 離散觀測(cè)情況 148
6．2．5 平穩(wěn)序列的因果和非因果維納濾波器 149
6．3 平穩(wěn)序列的維納預(yù)測(cè)器 156
6．3．1 預(yù)測(cè)器計(jì)算公式 157
6．3．2 離散因果和非因果平穩(wěn)序列維納預(yù)測(cè)器 158
6．4 標(biāo)量卡爾曼濾波 159
6．4．1 概述 159
6．4．2 標(biāo)量信號(hào)模型和觀測(cè)模型 161
6．4．3 標(biāo)量卡爾曼濾波算法 162
6．5 矢量卡爾曼濾波 167
6．5．1 從標(biāo)量運(yùn)算向矢量運(yùn)算的過渡 167
6．5．2 矢量卡爾曼濾波算法 168
6．5．3 矢量卡爾曼濾波器的實(shí)現(xiàn) 169
習(xí)題6 170
第7章 通信信號(hào)調(diào)制識(shí)別與參數(shù)估計(jì) 173
7．1 概述 173
7．1．1 基于決策理論的最大似然假設(shè)檢驗(yàn)方法 173
7．1．2 基于特征提取的統(tǒng)計(jì)模式識(shí)別方法 174
7．1．3 基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的識(shí)別方法 174
7．2 通信信號(hào)調(diào)制理論與識(shí)別流程 175
7．2．1 通信信號(hào)調(diào)制信號(hào)理論 175
7．2．2 通信信號(hào)檢測(cè)與識(shí)別流程 181
7．3 信號(hào)特征參數(shù)與調(diào)制分類 182
7．3．1 統(tǒng)計(jì)量特征 183
7．3．2 譜相關(guān) 191
7．3．3 小波變換特征 195
7．3．4 復(fù)雜度特征 197
7．3．5 分類器 201
7．4 基于聚類與粒子群重構(gòu)星座圖的MQAM信號(hào)識(shí)別方法 207
7．4．1 MQAM信號(hào)模型 207
7．4．2 載波頻率估計(jì) 208
7．4．3 減法聚類算法與粒子群算法理論 209
7．4．4 基于聚類與粒子群重構(gòu)星座圖的M-QAM信號(hào)識(shí)別方法流程 211
7．5 多徑瑞利衰落信道下的單載波信號(hào)識(shí)別方法研究 216
7．5．1 高階累積量基本原理 216
7．5．2 基于高階累積量的信號(hào)識(shí)別方法研究 217
7．5．3 基于高階累積量的調(diào)制信號(hào)類間識(shí)別 220
7．5．4 多徑瑞利衰落信道下基于頻域均衡與高階累積量的信號(hào)識(shí)別方法 221
7．6 通信信號(hào)的參數(shù)估計(jì) 226
7．6．1 引言 226
7．6．2 信噪比估計(jì) 226
7．6．3 載頻估計(jì) 228
7．6．4 碼元速率估計(jì) 233
習(xí)題7 237
第8章 雷達(dá)信號(hào)調(diào)制識(shí)別與參數(shù)估計(jì) 238
8．1 概述 238
8．2 時(shí)頻分析基礎(chǔ)理論 238
8．2．1 短時(shí)傅里葉變換 239
8．2．2 Wigner-Ville時(shí)頻分布 240
8．2．3 Cohen類時(shí)頻分布 240
8．2．4 重排類時(shí)頻分布 241
8．3 支持向量機(jī)分類器 242
8．3．1 結(jié)構(gòu)風(fēng)險(xiǎn)最小化 243
8．3．2 支持向量機(jī)分類器原理 243
8．4 基于時(shí)頻圖像形狀特征的雷達(dá)信號(hào)識(shí)別 245
8．4．1 信號(hào)的平滑偽Wigner時(shí)頻分布 246
8．4．2 時(shí)頻圖像的預(yù)處理 247
8．4．3 時(shí)頻圖像形狀特征的提取 247
8．4．4 訓(xùn)練和分類 249
8．5 基于時(shí)頻圖像處理提取瞬時(shí)頻率的雷達(dá)信號(hào)識(shí)別 250
8．5．1 時(shí)頻分布的選取 250
8．5．2 時(shí)頻圖像處理 250
8．5．3 行索引特征提取 252
8．6 雷達(dá)信號(hào)參數(shù)估計(jì) 252
8．6．1 多項(xiàng)式相位信號(hào)的處理算法 252
8．6．2 正弦調(diào)頻信號(hào)的處理算法 260
8．6．3 調(diào)頻調(diào)相信號(hào)的處理算法 265
習(xí)題8 270
第9章 無線頻譜檢測(cè)技術(shù) 271
9．1 概述 271
9．2 頻譜檢測(cè)技術(shù)分類 271
9．2．1 物理層檢測(cè) 271
9．2．2 MAC層檢測(cè) 272
9．2．3 協(xié)作檢測(cè) 273
9．3 發(fā)射機(jī)檢測(cè) 273
9．3．1 匹配濾波器檢測(cè) 273
9．3．2 能量檢測(cè) 275
9．3．3 循環(huán)平穩(wěn)特性檢測(cè) 277
9．4 接收機(jī)檢測(cè) 281
9．4．1 本振泄漏檢測(cè)原理 281
9．4．2 本振泄漏檢測(cè)分析 284
9．5 協(xié)作檢測(cè) 285
9．5．1 單門限協(xié)作檢測(cè) 286
9．5．2 多門限協(xié)作檢測(cè) 287
9．6 基于D-S證據(jù)理論的分布式頻譜檢測(cè) 290
9．6．1 D-S證據(jù)理論的基本概念 290
9．6．2 D-S證據(jù)理論的合成規(guī)則 291
9．6．3 基于信任度的分布式頻譜檢測(cè) 293
9．7 多天線頻譜檢測(cè)技術(shù) 295
9．7．1 基于功率譜的多天線等增益合并檢測(cè) 296
9．7．2 基于循環(huán)譜的多天線頻譜檢測(cè) 299
9．7．3 基于最優(yōu)線性加權(quán)合并的多天線頻譜檢測(cè) 302
習(xí)題9 304
第10章 微弱信號(hào)檢測(cè)方法 305
10．1 概述 305
10．2 隨機(jī)共振檢測(cè)方法 306
10．2．1 隨機(jī)共振背景知識(shí) 306
10．2．2 雙穩(wěn)態(tài)隨機(jī)共振系統(tǒng) 310
10．2．3 基于雙穩(wěn)態(tài)隨機(jī)共振系統(tǒng)的能量檢測(cè)算法 315
10．2．4 廣義隨機(jī)共振系統(tǒng) 320
10．2．5 基于噪聲增強(qiáng)能量檢測(cè)器 321
10．3 混沌振子檢測(cè)方法 324
10．3．1 非線性動(dòng)力學(xué)系統(tǒng)中的混沌 324
10．3．2 混沌運(yùn)動(dòng)的分析方法 326
10．3．3 Duffing振子的運(yùn)動(dòng)特性研究 328
10．3．4 參數(shù)對(duì)混沌振子運(yùn)動(dòng)的影響 334
10．4 粒子濾波檢測(cè)方法 337
10．4．1 粒子濾波背景知識(shí) 337
10．4．2 狀態(tài)空間模型和后驗(yàn)概率密度函數(shù) 338
10．4．3 卡爾曼濾波和擴(kuò)展卡爾曼濾波 339
10．4．4 粒子濾波算法 344
10．4．5 各種粒子濾波算法 348
10．4．6 代價(jià)參考粒子濾波算法 352
10．5 壓縮感知檢測(cè)方法 356
10．5．1 背景知識(shí) 356
10．5．2 壓縮感知理論的基本框架 357
10．5．3 壓縮感知的核心問題 358
習(xí)題10 362
參考文獻(xiàn) 364