第1章離散時間信號與系統(tǒng)

1.1離散時間信號與系統(tǒng)基礎(chǔ)

1.1.1離散時間信號的定義與分類

1.1.2離散時間信號的差分和累加

1.1.3離散時間系統(tǒng)定義及LTI特性

1.1.4LTI離散時間系統(tǒng)響應(yīng)——卷積和

1.1.5離散時間信號相關(guān)函數(shù)及卷積表示

1.2離散時間信號與系統(tǒng)的傅里葉分析

1.2.1復(fù)指數(shù)信號通過LTI系統(tǒng)的響應(yīng)

1.2.2離散時間信號的傅里葉級數(shù)和傅里葉變換

1.2.3傅里葉變換的性質(zhì)

1.2.4離散時間系統(tǒng)頻率響應(yīng)與理想濾波器

1.2.5離散時間信號的DFT和FFT

1.3離散時間信號的Z變換

1.3.1Z變換的概念

1.3.2Z變換的性質(zhì)

1.3.3離散時間系統(tǒng)的z域描述——系統(tǒng)函數(shù)

1.3.4離散時間系統(tǒng)的方框圖和信號流圖表示

1.4LTI離散時間系統(tǒng)性能描述

1.4.1系統(tǒng)的記憶性

1.4.2系統(tǒng)的因果性

1.4.3系統(tǒng)的可逆性

1.4.4系統(tǒng)的穩(wěn)定性和最小相位系統(tǒng)

1.4.5線性相位系統(tǒng)與系統(tǒng)的群時延

1.5離散時間系統(tǒng)的格型結(jié)構(gòu)

1.5.1全零點濾波器的格型結(jié)構(gòu)

1.5.2全極點濾波器的格型結(jié)構(gòu)

1.6連續(xù)時間信號的離散化及其頻譜關(guān)系

1.7離散時間實信號的復(fù)數(shù)表示

1.7.1離散時間解析信號(預(yù)包絡(luò))

1.7.2離散時間希爾伯特變換

1.7.3離散時間窄帶信號的復(fù)數(shù)表示(復(fù)包絡(luò))

1.8窄帶信號的正交解調(diào)與數(shù)字基帶信號

1.8.1模擬正交解調(diào)與采集電路原理

1.8.2數(shù)字正交解調(diào)與采集電路原理

1.8.3基帶信號的隨機相位與載波同步

1.9多相濾波與信道化處理

1.9.1橫向濾波器的多相結(jié)構(gòu)

1.9.2信號的均勻信道化

1.9.3基于多相濾波器組的信道化原理

習(xí)題

參考文獻


第2章離散時間平穩(wěn)隨機過程

2.1離散時間平穩(wěn)隨機過程基礎(chǔ)

2.1.1離散時間隨機過程及其數(shù)字特征

2.1.2離散時間平穩(wěn)隨機過程及其數(shù)字特征

2.1.3遍歷性與統(tǒng)計平均和時間平均

2.1.4循環(huán)平穩(wěn)性的概念

2.1.5隨機過程間的獨立、正交、相關(guān)

2.2平穩(wěn)隨機過程的自相關(guān)矩陣及其性質(zhì)

2.2.1自相關(guān)矩陣的定義

2.2.2自相關(guān)矩陣的基本性質(zhì)

2.2.3自相關(guān)矩陣的特征值與特征向量的性質(zhì)

2.3離散時間平穩(wěn)隨機過程的功率譜密度

2.3.1功率譜的定義

2.3.2功率譜的性質(zhì)

2.3.3平穩(wěn)隨機過程通過LTI離散時間系統(tǒng)的功率譜

2.4離散時間平穩(wěn)隨機過程的參數(shù)模型

2.4.1Wold分解定理

2.4.2平穩(wěn)隨機過程的參數(shù)模型

2.5隨機過程高階累積量和高階譜的概念

2.5.1高階矩和高階累積量

2.5.2高階累積量的性質(zhì)

2.5.3高階譜的概念

習(xí)題

參考文獻


第3章功率譜估計和信號頻率估計方法

3.1經(jīng)典功率譜估計方法

3.1.1BT法

3.1.2周期圖法

3.1.3經(jīng)典功率譜估計性能討論

3.1.4經(jīng)典功率譜估計的改進

3.1.5經(jīng)典功率譜估計仿真實例及性能比較

3.2平穩(wěn)隨機過程的AR參數(shù)模型功率譜估計

3.2.1AR參數(shù)模型的正則方程

3.2.2AR參數(shù)模型的LevinsonDurbin迭代算法

3.2.3AR參數(shù)模型功率譜估計步驟及仿真實例

3.2.4AR參數(shù)模型功率譜估計性能討論

3.3MA參數(shù)模型和ARMA參數(shù)模型功率譜估計原理

3.3.1MA參數(shù)模型的正則方程

3.3.2ARMA參數(shù)模型的正則方程

3.4MVDR信號頻率估計方法

3.4.1預(yù)備知識： 標量函數(shù)關(guān)于向量的導(dǎo)數(shù)和梯度的概念

3.4.2MVDR濾波器原理

3.4.3MVDR頻率估計算法仿真實例

3.5APES算法

3.5.1APES算法原理

3.5.2APES算法仿真實例

3.6基于相關(guān)矩陣特征分解的信號頻率估計

3.6.1信號子空間和噪聲子空間的概念

3.6.2MUSIC算法

3.6.3RootMUSIC算法

3.6.4Pisarenko諧波提取方法

3.6.5ESPRIT算法

3.6.6信號源個數(shù)的確定方法

3.7譜估計在電子偵察中的應(yīng)用實例

3.7.1常規(guī)通信信號的參數(shù)估計

3.7.2跳頻信號的參數(shù)估計

習(xí)題

參考文獻


第4章維納濾波原理及自適應(yīng)算法

4.1自適應(yīng)橫向濾波器及其學(xué)習(xí)過程

4.1.1自適應(yīng)橫向濾波器結(jié)構(gòu)

4.1.2自適應(yīng)橫向濾波器的學(xué)習(xí)過程和工作過程

4.2維納濾波原理

4.2.1均方誤差準則及誤差性能面

4.2.2維納霍夫方程

4.2.3正交原理

4.2.4最小均方誤差

4.2.5計算實例1： 噪聲中的單頻信號估計

4.2.6計算實例2： 信道傳輸信號的估計

4.3維納濾波器的最陡下降求解方法

4.3.1維納濾波的最陡下降算法

4.3.2最陡下降算法的收斂性

4.3.3最陡下降算法的學(xué)習(xí)曲線

4.3.4最陡下降算法仿真實例

4.4LMS算法

4.4.1LMS算法原理

4.4.2LMS算法權(quán)向量均值的收斂性

4.4.3LMS算法均方誤差的統(tǒng)計特性

4.4.4LMS算法仿真實例

4.4.5幾種改進的LMS算法簡介

4.5多級維納濾波器理論

4.5.1輸入向量滿秩變換的維納濾波

4.5.2維納濾波器降階分解原理

4.5.3維納濾波器的多級表示

4.5.4基于輸入信號統(tǒng)計特性的權(quán)值計算步驟

4.5.5一種阻塞矩陣的構(gòu)造方法

4.5.6基于觀測數(shù)據(jù)的權(quán)值遞推算法

4.5.7仿真計算實例

習(xí)題

參考文獻


第5章維納濾波在信號處理中的應(yīng)用

5.1維納濾波在線性預(yù)測中的應(yīng)用

5.1.1線性預(yù)測器原理

5.1.2線性預(yù)測與AR模型互為逆系統(tǒng)

5.1.3基于線性預(yù)測器的AR模型功率譜估計

5.2前后向線性預(yù)測及其格型濾波器結(jié)構(gòu)

5.2.1前后向線性預(yù)測器（FBLP）原理

5.2.2FBLP的格型濾波器結(jié)構(gòu)

5.2.3Burg算法及其在AR模型譜估計中的應(yīng)用

5.2.4Burg算法功率譜估計仿真實驗

5.3信道均衡

5.3.1離散時間通信信道模型

5.3.2迫零均衡濾波器

5.3.3基于MMSE準則的FIR均衡濾波器

5.3.4自適應(yīng)均衡及仿真實例

5.4語音信號的線性預(yù)測編碼

5.4.1語音信號的產(chǎn)生

5.4.2基于線性預(yù)測的語音信號處理

5.4.3仿真實驗

習(xí)題

參考文獻


第6章最小二乘估計理論及算法

6.1預(yù)備知識： 線性方程組解的形式

6.1.1線性方程組的唯一解

6.1.2線性方程組的最小二乘解

6.1.3線性方程組的最小范數(shù)解

6.2最小二乘估計原理

6.2.1最小二乘估計的確定性正則方程

6.2.2LS估計的正交原理

6.2.3投影矩陣的概念

6.2.4LS估計的誤差平方和

6.2.5最小二乘方法與維納濾波的關(guān)系

6.2.6應(yīng)用實例： 基于LS估計的信道均衡原理

6.3用奇異值分解求解最小二乘問題

6.3.1矩陣的奇異值分解

6.3.2奇異值分解與特征值分解的關(guān)系

6.3.3用奇異值分解求解確定性正則方程

6.3.4奇異值分解迭代計算簡介

6.4基于LS估計的FBLP原理及功率譜估計

6.4.1FBLP的確定性正則方程

6.4.2用奇異值分解實現(xiàn)AR模型功率譜估計

6.5遞歸最小二乘（RLS）算法

6.5.1矩陣求逆引理

6.5.2RLS算法原理

6.5.3自適應(yīng)均衡仿真實驗

6.6基于QR分解的遞歸最小二乘（QRRLS）算法原理

6.6.1矩陣的QR分解

6.6.2QRRLS算法

6.6.3基于Givens旋轉(zhuǎn)的QRRLS算法

6.6.4利用Givens旋轉(zhuǎn)直接得到估計誤差信號

6.6.5QRRLS算法的systolic多處理器實現(xiàn)原理

習(xí)題

參考文獻


第7章卡爾曼濾波

7.1基于新息過程的遞歸最小均方誤差估計

7.1.1標量新息過程及其性質(zhì)

7.1.2最小均方誤差估計的新息過程表示

7.1.3向量新息過程及其性質(zhì)

7.2系統(tǒng)狀態(tài)方程和觀測方程的概念

7.3卡爾曼濾波原理

7.3.1狀態(tài)向量的最小均方誤差估計

7.3.2新息過程的自相關(guān)矩陣

7.3.3卡爾曼濾波增益矩陣

7.3.4卡爾曼濾波的黎卡蒂方程

7.3.5卡爾曼濾波計算步驟

7.4卡爾曼濾波的統(tǒng)計性能

7.4.1卡爾曼濾波的無偏性

7.4.2卡爾曼濾波的最小均方誤差估計特性

7.5卡爾曼濾波的推廣

7.5.1標稱狀態(tài)線性化濾波

7.5.2擴展卡爾曼濾波

7.6卡爾曼濾波的應(yīng)用

7.6.1卡爾曼濾波在維納濾波中的應(yīng)用

7.6.2卡爾曼濾波在雷達目標跟蹤中的應(yīng)用

7.6.3αβ濾波的概念

7.6.4卡爾曼濾波在交互多模型算法中的應(yīng)用

7.6.5卡爾曼濾波在數(shù)據(jù)融合中的應(yīng)用

習(xí)題

參考文獻


第8章陣列信號處理與空域濾波

8.1陣列接收信號模型

8.1.1均勻線陣接收信號模型

8.1.2任意陣列（共形陣）接收信號模型

8.1.3均勻矩形陣接收信號模型

8.1.4均勻圓陣接收信號模型

8.2空間譜與DOA估計

8.3基于MUSIC算法的信號DOA估計方法

8.3.1MUSIC算法用于信號DOA估計

8.3.2仿真實例

8.4信號DOA估計的ESPRIT算法

8.4.1ESPRIT算法用于信號DOA估計的原理

8.4.2仿真實例

8.5干涉儀測向原理

8.5.1一維相位干涉儀測向原理

8.5.2二維相位干涉儀

8.6空域濾波與數(shù)字波束形成

8.6.1空域濾波和陣方向圖

8.6.2數(shù)字自適應(yīng)干擾置零

8.7基于MVDR算法的DBF方法

8.7.1MVDR波束形成器原理

8.7.2QR分解SMI算法

8.7.3MVDR波束形成器實例

8.7.4LCMV波束形成器簡介

8.7.5LCMV波束形成器的維納濾波器結(jié)構(gòu)

8.8空域APES數(shù)字波束形成和DOA估計方法

8.8.1前向SAPES波束形成器原理

8.8.2仿真實例

8.9多旁瓣對消數(shù)字自適應(yīng)波束形成方法

8.9.1多旁瓣對消數(shù)字波束形成原理

8.9.2多旁瓣對消的最小二乘法求解

8.10陣列信號處理中的其他問題

8.10.1相關(guān)信號源問題

8.10.2寬帶信號源問題

8.10.3陣列校正與均衡問題

習(xí)題

參考文獻


第9章盲信號處理

9.1盲信號處理的基本概念

9.1.1盲系統(tǒng)辨識與盲解卷積

9.1.2信道盲均衡

9.1.3盲源分離與獨立分量分析（ICA）

9.1.4盲波束形成

9.2Bussgang盲均衡原理

9.2.1自適應(yīng)盲均衡與Bussgang過程

9.2.2Sato算法

9.2.3恒模算法

9.2.4判決引導(dǎo)算法

9.3SIMO信道模型及子空間盲辨識原理

9.3.1SIMO信道模型

9.3.2SIMO信道模型的Sylvester矩陣

9.3.3SIMO信道的可辨識條件和模糊性

9.3.4基于子空間的盲辨識算法

9.4SIMO信道的CR盲辨識原理及自適應(yīng)算法

9.4.1CR算法

9.4.2多信道LMS算法

9.5基于陣列結(jié)構(gòu)的盲波束形成

9.5.1基于奇異值分解的降維預(yù)處理

9.5.2基于ESPRIT算法的盲波束形成

9.6基于信號恒模特性的盲波束形成

9.6.1SGDCMA算法

9.6.2RLSCMA算法

9.6.3解析恒模算法簡介

習(xí)題

參考文獻

索引

常用符號表