信號檢測與估計理論（第2版）

第1章 信號檢測與估計概論
1.1 引言
1.2 信號的隨機性及其統(tǒng)計處理方法
1.3 信號檢測與估計理論概述
習題1
第2章 信號檢測與估計理論的基礎知識
2.1 引言
2.2 離散隨機信號的統(tǒng)計特性描述
2.2.1 離散隨機信號的概率密度函數(shù)
2.2.2 離散隨機信號的統(tǒng)計平均量
2.2.3 常用的離散隨機信號
2.2.4 離散隨機信號矢量的聯(lián)合概率密度函數(shù)
2.2.5 離散隨機信號矢量的統(tǒng)計平均量
2.2.6 離散隨機信號矢量各分量之間的互不相關性和相互統(tǒng)計獨立性
2.2.7 高斯離散隨機信號矢量的統(tǒng)計特性 第1章 信號檢測與估計概論 1.1 引言 1.2 信號的隨機性及其統(tǒng)計處理方法 1.3 信號檢測與估計理論概述 習題1 第2章 信號檢測與估計理論的基礎知識 2.1 引言 2.2 離散隨機信號的統(tǒng)計特性描述 2.2.1 離散隨機信號的概率密度函數(shù) 2.2.2 離散隨機信號的統(tǒng)計平均量 2.2.3 常用的離散隨機信號 2.2.4 離散隨機信號矢量的聯(lián)合概率密度函數(shù) 2.2.5 離散隨機信號矢量的統(tǒng)計平均量 2.2.6 離散隨機信號矢量各分量之間的互不相關性和相互統(tǒng)計獨立性 2.2.7 高斯離散隨機信號矢量的統(tǒng)計特性 2.2.8 離散隨機信號的函數(shù) *2.2.9 離散隨機信號的特征函數(shù) 2.3 連續(xù)隨機信號的統(tǒng)計特性描述 2.3.1 連續(xù)隨機信號的概率密度函數(shù) 2.3.2 連續(xù)隨機信號的統(tǒng)計平均量 2.3.3 連續(xù)隨機信號的平穩(wěn)性 2.3.4 平穩(wěn)連續(xù)隨機信號的各態(tài)歷經(jīng)性 2.3.5 連續(xù)隨機信號的正交性、互不相關性和相互統(tǒng)計獨立性 2.3.6 平穩(wěn)連續(xù)隨機信號的功率譜密度 2.3.7 高斯連續(xù)隨機信號 *2.4 復隨機信號的統(tǒng)計特性描述 2.4.1 復隨機信號 2.4.2 復離散隨機信號的統(tǒng)計特性描述 2.4.3 復連續(xù)隨機信號的統(tǒng)計特性描述 2.4.4 廣義平穩(wěn)的復連續(xù)隨機信號 2.4.5 復高斯連續(xù)隨機信號 2.5 線性時不變系統(tǒng)對平穩(wěn)連續(xù)隨機信號的響應 2.5.1 連續(xù)隨機信號y(t)的平穩(wěn)性 2.5.2 平穩(wěn)連續(xù)隨機信號y(t)的主要統(tǒng)計平均量 2.6 噪聲及其統(tǒng)計特性描述 2.7 信號及其統(tǒng)計特性描述 習題2 第3章 信號狀態(tài)的統(tǒng)計檢測理論 3.1 引言 3.2 信號狀態(tài)統(tǒng)計檢測理論的概念 3.2.1 二元信號狀態(tài)的統(tǒng)計檢測 3.2.2 M元信號狀態(tài)的統(tǒng)計檢測 3.3 二元信號的貝葉斯檢測準則 3.3.1 平均代價與貝葉斯檢測準則的概念 3.3.2 最佳判決式 3.3.3 檢測性能分析 3.4 二元信號的派生貝葉斯檢測準則 3.4.1 最小平均錯誤概率檢測準則 3.4.2 最大后驗概率檢測準則 3.4.3 極小化極大檢測準則 3.4.4 奈曼-皮爾遜檢測準則 3.5 高斯觀測信號時二元信號狀態(tài)的統(tǒng)計檢測 3.5.1 信號檢測的最佳判決式 3.5.2 不等均值矢量、等協(xié)方差矩陣時信號的檢測 *3.5.3 等均值矢量、不等協(xié)方差矩陣時信號的檢測 3.6 M元信號狀態(tài)的統(tǒng)計檢測 3.6.1 M元信號的貝葉斯檢測準則 3.6.2 M元信號的最小平均錯誤概率檢測準則 3.7 隨機(或未知)參量信號狀態(tài)的統(tǒng)計檢測 *3.8 復信號狀態(tài)的統(tǒng)計檢測 3.8.1 二元復確知信號狀態(tài)的統(tǒng)計檢測 3.8.2 二元復隨機參量信號狀態(tài)的統(tǒng)計檢測 *3.9 信號狀態(tài)的非參量檢測 3.9.1 非參量符號檢測 3.9.2 非參量廣義符號檢測 3.9.3 非參量二維廣義符號檢測器 *3.10 信號狀態(tài)的穩(wěn)健性檢測 3.10.1 信號狀態(tài)穩(wěn)健性檢測的概念 3.10.2 混合信號模型的穩(wěn)健性檢測 3.10.3 高斯噪聲中污染的二元信號狀態(tài)的穩(wěn)健性檢測 3.10.4 穩(wěn)健性檢測的簡要總結(jié) *3.11 信號狀態(tài)的序列檢測 3.11.1 信號狀態(tài)序列檢測的概念 3.11.2 序列檢測的似然比檢驗判決式 3.11.3 序列檢測的平均觀測次數(shù) 習題3 第4章 信號波形的檢測 4.1 引言 4.2 匹配濾波器理論 4.2.1 匹配濾波器的概念 4.2.2 匹配濾波器的設計 4.2.3 匹配濾波器的特性 4.3 連續(xù)隨機信號的正交級數(shù)展開 4.3.1 正交函數(shù)集概述 4.3.2 連續(xù)隨機信號的正交級數(shù)展開 4.3.3 平穩(wěn)連續(xù)隨機信號的卡亨南-洛維展開 4.3.4 白噪聲情況下正交函數(shù)集的任意性 4.3.5 平穩(wěn)連續(xù)隨機參量信號的正交級數(shù)展開 4.4 高斯白噪聲中確知信號波形的檢測 4.4.1 簡單二元確知信號波形的檢測 4.4.2 一般二元確知信號波形的檢測 4.4.3 M元確知信號波形的檢測 4.5 高斯有色噪聲中確知信號波形的檢測 4.5.1 二元確知信號波形的檢測 4.5.2 M元確知信號波形的檢測 4.6 高斯白噪聲中隨機參量信號波形的檢測 4.6.1 簡單二元隨機相位信號波形的檢測 *4.6.2 一般二元隨機相位信號波形的檢測 *4.6.3 M元隨機相位信號波形的檢測 4.6.4 簡單二元隨機振幅與隨機相位信號波形的檢測 *4.6.5 一般二元隨機振幅與隨機相位信號波形的檢測 4.6.6 隨機頻率信號波形的檢測 *4.7 復高斯白噪聲中復信號波形的檢測 4.7.1 復高斯白噪聲概述 4.7.2 復正交函數(shù)集概述 4.7.3 復高斯白噪聲中一般二元復確知信號波形的檢測 4.7.4 復高斯白噪聲中簡單二元復隨機相位信號波形的檢測 4.7.5 復高斯白噪聲中簡單二元復隨機振幅與復隨機相位信號波形的檢測 習題4 第5章 信號參量的統(tǒng)計估計理論 5.1 引言 5.2 信號參量統(tǒng)計估計理論的概念 5.3 隨機單參量的貝葉斯估計 5.3.1 平均代價與貝葉斯估計的概念 5.3.2 貝葉斯估計量的構(gòu)造 5.4 非隨機單參量的最大似然估計 5.4.1 最大似然估計的原理 5.4.2 最大似然估計量的構(gòu)造 5.4.3 信號參量函數(shù)的最大似然估計 5.5 估計量的性質(zhì) 5.5.1 估計量的主要性質(zhì) 5.5.2 克拉美-羅不等式和克拉美-羅下界 5.6 隨機矢量的貝葉斯估計和非隨機矢量的最大似然估計 5.6.1 隨機矢量的貝葉斯估計 5.6.2 非隨機矢量的最大似然估計 5.6.3 估計矢量的性質(zhì) 5.6.4 非隨機矢量函數(shù)的最大似然估計 5.6.5 非隨機矢量函數(shù)估計的克拉美-羅下界 5.7 高斯觀測信號時信號參量的統(tǒng)計估計 5.7.1 線性觀測模型 5.7.2 高斯噪聲中非隨機矢量的最大似然估計 5.7.3 高斯噪聲中高斯隨機矢量的貝葉斯估計 *5.7.4 隨機矢量的偽貝葉斯估計 *5.7.5 隨機矢量的經(jīng)驗偽貝葉斯估計 5.8 線性最小均方誤差估計 5.8.1 線性最小均方誤差估計的概念 5.8.2 線性最小均方誤差估計矢量的構(gòu)造 5.8.3 線性最小均方誤差估計矢量的性質(zhì) 5.8.4 線性最小均方誤差估計的遞推算法 5.8.5 隨機矢量函數(shù)的線性最小均方誤差估計 5.8.6 單參量的線性最小均方誤差估計 5.9 最小二乘估計 5.9.1 最小二乘估計的概念 5.9.2 線性最小二乘估計 5.9.3 線性最小二乘加權(quán)估計 5.9.4 線性最小二乘估計的遞推算法 5.9.5 單參量的線性最小二乘估計 *5.9.6 非線性最小二乘估計 5.10 信號波形中的參量估計 5.10.1 信號振幅的估計 5.10.2 信號相位的估計 5.10.3 信號頻率的估計 5.10.4 信號到達時間的估計 5.10.5 信號頻率和到達時間的同時估計 習題5 第6章 信號波形的估計 6.1 引言 6.1.1 信號波形估計的基本概念 6.1.2 信號波形估計的準則和方法 6.2 連續(xù)隨機信號的維納濾波 6.2.1 連續(xù)隨機信號的最佳線性濾波 6.2.2 連續(xù)隨機信號的維納-霍夫方程 6.2.3 連續(xù)隨機信號維納濾波器的非因果解 6.2.4 連續(xù)隨機信號維納濾波器的因果解 6.3 離散隨機信號的維納濾波 6.3.1 離散隨機信號的維納-霍夫方程 6.3.2 離散隨機信號維納濾波器的z域解 6.3.3 離散隨機信號維納濾波器的時域解 6.4 隨機信號的自適應濾波 6.4.1 自適應濾波的原理和濾波器的結(jié)構(gòu) 6.4.2 自適應濾波器的最佳加權(quán)矢量 6.4.3 代價函數(shù)的幾何意義 6.4.4 最陡下降法原理 6.4.5 最小均方誤差自適應算法 6.4.6 最小均方誤差自適應算法的收斂條件和參數(shù)選擇 6.4.7 最小均方誤差自適應算法的學習曲線與自適應濾波器的跟蹤性能 6.5 正交投影原理 6.5.1 正交投影的概念 6.5.2 正交投影的引理 6.6 離散卡爾曼濾波的信號模型 6.6.1 離散線性系統(tǒng)的狀態(tài)方程和信號的觀測方程 6.6.2 離散卡爾曼濾波信號模型的統(tǒng)計特性 6.7 離散卡爾曼濾波 6.7.1 離散線性系統(tǒng)的狀態(tài)估計與離散卡爾曼濾波的概念 6.7.2 離散卡爾曼濾波的遞推算法公式 6.7.3 離散卡爾曼濾波的遞推算法 6.7.4 離散卡爾曼濾波的特點和性質(zhì) 6.8 狀態(tài)為標量時的離散卡爾曼濾波 6.8.1 信號模型及統(tǒng)計特性假設 6.8.2 遞推算法公式 6.8.3 性質(zhì) 6.9 離散卡爾曼濾波的擴展 6.9.1 系統(tǒng)一般信號模型時的離散卡爾曼濾波 6.9.2 擾動噪聲是有色噪聲時的離散卡爾曼濾波 6.9.3 觀測噪聲是有色噪聲時的離散卡爾曼濾波 6.9.4 擾動噪聲和觀測噪聲都是有色噪聲時的離散卡爾曼濾波 6.10 離散卡爾曼濾波的發(fā)散問題 *6.11 非線性離散狀態(tài)估計 6.11.1 隨機非線性離散系統(tǒng)的數(shù)學描述 6.11.2 線性化離散卡爾曼濾波 6.11.3 推廣的離散卡爾曼濾波 習題6 附錄A 隨機相位信號波形檢測概率的遞推算法 附錄B 非隨機矢量估計的克拉美-羅下界的推導 附錄C 隨機矢量估計的克拉美-羅下界的推導 附錄D 線性最小均方誤差估計遞推算法公式的推導 附錄E 線性最小二乘加權(quán)估計遞推算法公式的推導 附錄F 似然函數(shù)表示式的推導 附錄G 正交投影引理III的證明 參考文獻