現(xiàn)代數(shù)字信號(hào)處理

第1章 確定信號(hào)基礎(chǔ)知識(shí)
1．1 離散時(shí)間確定信號(hào)與系統(tǒng)
1．1．1 離散時(shí)間信號(hào)的定義與分類
1．1．2 常用離散時(shí)間信號(hào)
1．1．3 離散時(shí)間信號(hào)的卷積和運(yùn)算及其性質(zhì)
1．1．4 離散時(shí)間系統(tǒng)的定義及特性
1．2 離散時(shí)間信號(hào)與系統(tǒng)的頻域分析
1．2．1 復(fù)指數(shù)信號(hào)通過(guò)LTI系統(tǒng)的響應(yīng)
1．2．2 離散時(shí)間信號(hào)的傅里葉級(jí)數(shù)和傅里葉變換
1．2．3 離散傅里葉變換和快速傅里葉變換
1．2．4 離散時(shí)間系統(tǒng)頻率響應(yīng)與濾波器
1．3 離散時(shí)間信號(hào)和系統(tǒng)的Z域分析
1．3．1 離散時(shí)間信號(hào)的Z變換
1．3．2 離散時(shí)間系統(tǒng)函數(shù)
1．3．3 離散時(shí)間系統(tǒng)框圖和信號(hào)流圖
1．4 離散時(shí)間系統(tǒng)特性分析
1．4．1 因果性
1．4．2 穩(wěn)定性
1．4．3 全通系統(tǒng)和最小相位系統(tǒng)
1．5 信號(hào)的采樣與重構(gòu)
1．5．1 時(shí)域采樣
1．5．2 信號(hào)重構(gòu)
1．5．3 頻域采樣
1．6 數(shù)字濾波器及設(shè)計(jì)方法
1．6．1 數(shù)字濾波器基本原理
1．6．2 數(shù)字濾波器構(gòu)成
1．6．3 數(shù)字濾波器設(shè)計(jì)
1．7 復(fù)倒譜
1．7．1 復(fù)倒譜定義
1．7．2 復(fù)倒譜的性質(zhì)
1．7．3 通過(guò)DFT計(jì)算復(fù)倒譜
小結(jié)
習(xí)題
第2章 隨機(jī)信號(hào)基礎(chǔ)知識(shí)
2．1 離散時(shí)間隨機(jī)信號(hào)
2．1．1 隨機(jī)變量
2．1．2 離散時(shí)間隨機(jī)信號(hào)
2．1．3 概率函數(shù)描述
2．1．4 集合平均描述
2．1．5 隨機(jī)矢量
2．2 各態(tài)歷經(jīng)性
2．2．1 時(shí)間平均描述
2．2．2 各態(tài)歷經(jīng)性
2．3 相關(guān)與協(xié)方差序列性質(zhì)
2．4 功率譜密度
2．4．1 功率譜密度函數(shù)
2．4．2 譜密度函數(shù)性質(zhì)
2．4．3 白噪聲
2．5 線性系統(tǒng)對(duì)隨機(jī)信號(hào)的響應(yīng)
2．6 相關(guān)抵消
2．6．1 相關(guān)抵消器
2．6．2 最佳線性估計(jì)
2．7 正交投影定理
2．7．1 內(nèi)積定義
2．7．2 正交投影定理
2．7．3 空間正交基
2．7．4 Gram-Schmidt正交化
2．7．5 新息
小結(jié)
習(xí)題
第3章 平穩(wěn)隨機(jī)信號(hào)的線性模型
3．1 平穩(wěn)隨機(jī)信號(hào)的參數(shù)模型
3．2 AR模型
3．2．1 AR（1）模型
3．2．2 AR（2）模型
3．2．3 AR（p）模型
3．3 MA模型
3．4 ARMA模型
3．5 正則譜分解
3．6 關(guān)于線性模型的討論
3．6．1 模型間關(guān)系
3．6．2 隨機(jī)信號(hào)建模的本質(zhì)
小結(jié)
習(xí)題
第4章 最優(yōu)線性濾波器
4．1 最優(yōu)濾波器概念
4．2 確定性最小二乘濾波器
4．2．1 FIR最小二乘濾波器
4．2．2 IIR最小二乘濾波器
4．3 逆濾波器與白化濾波器
4．3．1 最小二乘逆濾波器
4．3．2 白化濾波器
4．4 維納濾波器的引出
4．4．1 最優(yōu)化準(zhǔn)則
4．4．2 維納濾波器
4．4．3 正則方程
4．5 維納濾波器的信號(hào)模型
4．5．1 白噪聲通過(guò)線性系統(tǒng)
4．5．2 信號(hào)模型的建立
4．6 維納濾波器的求解
4．6．1 最佳線性平滑器
4．6．2 IIR最佳線性濾波器
4．6．3 FIR最佳線性濾波器
4．6．4 IIR最佳線性預(yù)測(cè)器
4．6．5 FIR最佳線性單步預(yù)測(cè)器
4．7 線性預(yù)測(cè)誤差濾波器
4．7．1 前向預(yù)測(cè)誤差濾波器
4．7．2 后向預(yù)測(cè)誤差濾波器
4．7．3 偏相關(guān)
4．8 Levinson-Durbin算法
4．8．1 自相關(guān)矩陣Toeplitz結(jié)構(gòu)
4．8．2 Levinson-Durbin算法
4．8．3 反射系數(shù)
4．8．4 格型濾波器
小結(jié)
習(xí)題
第5章 自適應(yīng)濾波器
5．1 LMS自適應(yīng)橫向?yàn)V波器
5．1．1 基本原理
5．1．2 均方誤差性能曲面
5．1．3 梯度法
5．1．4 LMS算法
5．2 RLS自適應(yīng)橫向?yàn)V波器
5．2．1 基本原理
5．2．2 RLS自適應(yīng)橫向?yàn)V波器
5．3 自適應(yīng)濾波器的應(yīng)用
5．3．1 自適應(yīng)對(duì)消
5．3．2 自適應(yīng)預(yù)測(cè)
小結(jié)
習(xí)題
第6章 功率譜估計(jì)
6．1 經(jīng)典功率譜估計(jì)
6．1．1 間接法與直接法
6．1．2 估計(jì)的質(zhì)量
6．1．3 平均周期圖
6．1．4 幾個(gè)問(wèn)題的討論
6．2 信號(hào)建模譜估計(jì)
6．2．1 AR模型譜估計(jì)的引出
6．2．2 AR模型譜估計(jì)的性質(zhì)
6．2．3 AR模型參數(shù)提取方法
6．2．4 AR模型譜估計(jì)的實(shí)際問(wèn)題
6．2．5 MA模型譜估計(jì)
6．2．6 ARMA模型功率譜估計(jì)
6．3 諧波模型譜估計(jì)
6．3．1 Pisarenko諧波分解法
6．3．2 MUSIC算法
6．3．3 ESPRIT算法
6．4 功率譜估計(jì)性能比較
小結(jié)
習(xí)題
第7章 高階譜估計(jì)
7．1 累積量、矩及其譜
7．1．1 特征函數(shù)
7．1．2 矩和累積量
7．1．3 矩和累積量的轉(zhuǎn)換關(guān)系
7．1．4 高階累積量的性質(zhì)
7．1．5 高階譜的定義
7．2 累積量和偏態(tài)
7．3 線性系統(tǒng)高階累積量
7．4 雙譜及其估計(jì)
7．4．1 雙譜的性質(zhì)
7．4．2 雙譜估計(jì)方法
7．5 高階累積量的應(yīng)用
7．5．1 在相位耦合檢測(cè)中的應(yīng)用
7．5．2 在諧波估計(jì)中的應(yīng)用
小結(jié)
習(xí)題
參考文獻(xiàn)