統(tǒng)計(jì)信號處理基礎(chǔ)：實(shí)用算法開發(fā)（卷III）

第一部分 方法論與通用方法
第1章 引言 2
1．1 動機(jī)和目標(biāo) 2
1．2 核心算法 3
1．3 容易的、難的和不可能的問題 3
1．4 增加成功的概率―提升直覺 8
1．5 應(yīng)用領(lǐng)域 8
1．6 注意事項(xiàng) 9
1．6．1 信號類型 9
1．6．2 本書的特點(diǎn)和符號表示 9
1．7 小結(jié) 10
參考文獻(xiàn) 10
附錄1A 練習(xí)解答 11
第2章 算法設(shè)計(jì)方法 13
2．1 引言 13
2．2 一般方法 13
2．3 信號處理算法設(shè)計(jì)實(shí)例 18
2．4 小結(jié) 29
參考文獻(xiàn) 29
附錄2A 多普勒效應(yīng)的推導(dǎo) 30
附錄2B 練習(xí)解答 31
第3章 信號的數(shù)學(xué)建模 33
3．1 引言 33
3．2 信號模型的分層(分類) 34
3．3 線性與非線性確定性信號模型 37
3．4 參數(shù)已知的確定性信號(類型1) 38
3．4．1 正弦信號 38
3．4．2 阻尼指數(shù)信號 39
3．4．3 阻尼正弦信號 39
3．4．4 相位調(diào)制信號 39
3．4．5 多項(xiàng)式信號 40
3．4．6 周期信號 41
3．5 具有未知參數(shù)的確定性信號(類型2) 42
3．5．1 一般考慮 42
3．5．2 多項(xiàng)式信號模型 42
3．5．3 周期信號模型 44
3．5．4 非線性和部分線性信號 47
3．6 具有已知PDF的隨機(jī)信號(類型3) 49
3．6．1 一般考慮 49
3．6．2 隨機(jī)正弦模型―零均值 51
3．6．3 隨機(jī)正弦模型―非零均值 51
3．6．4 貝葉斯線性模型 52
3．6．5 其他具有已知PDF的隨機(jī)模型 53
3．7 PDF具有未知參數(shù)的隨機(jī)信號(類型4) 53
3．8 小結(jié) 53
參考文獻(xiàn) 54
附錄3A 練習(xí)解答 54
第4章 噪聲的數(shù)學(xué)建模 57
4．1 引言 57
4．2 一般噪聲模型 57
4．3 高斯白噪聲 59
4．4 高斯色噪聲 61
4．5 一般高斯噪聲 66
4．6 IID非高斯噪聲 71
4．7 隨機(jī)相位正弦噪聲 74
4．8 小結(jié) 75
參考文獻(xiàn) 76
附錄4A 隨機(jī)過程的概念和公式 76
附錄4B 高斯隨機(jī)過程 78
附錄4C AR PSD的幾何解釋 79
附錄4D 練習(xí)解答 80
第5章 信號模型選擇 84
5．1 引言 84
5．2 信號建模 85
5．2．1 路圖 85
5．3 示例 86
5．4 參數(shù)估計(jì) 89
5．5 模型階數(shù)的選擇 90
5．6 小結(jié) 94
參考文獻(xiàn) 94
附錄5A 練習(xí)解答 94
第6章 噪聲模型選擇 97
6．1 引言 97
6．2 噪聲建模 97
6．2．1 路圖 97
6．3 示例 99
6．4 噪聲特性的估計(jì) 105
6．4．1 均值 106
6．4．2 方差 106
6．4．3 協(xié)方差 107
6．4．4 自相關(guān)序列 108
6．4．5 均值向量和協(xié)方差矩陣 108
6．4．6 PDF 110
6．4．7 PSD 114
6．5 模型階數(shù)的選擇 116
6．6 小結(jié) 117
參考文獻(xiàn) 118
附錄6A 置信區(qū)間 118
附錄6B 練習(xí)解答 120
第7章 性能評估、測試與文檔 124
7．1 引言 124
7．2 為什么采用計(jì)算機(jī)模擬評估 124
7．3 統(tǒng)計(jì)意義下的性能度量指標(biāo) 125
7．3．1 參數(shù)估計(jì)的性能度量指標(biāo) 126
7．3．2 檢測性能的度量指標(biāo) 127
7．3．3 分類性能度量標(biāo)準(zhǔn) 130
7．4 性能邊界 133
7．5 精確與漸近性能 134
7．6 靈敏度 135
7．7 有效性能比較 136
7．8 性能/復(fù)雜性的折中 138
7．9 算法軟件開發(fā) 138
7．10 算法文檔 142
7．11 小結(jié) 142
參考文獻(xiàn) 143
附錄7A 算法描述文檔中包括的信息檢查表 143
附錄7B 算法描述文檔樣本 145
7B．1 問題與目標(biāo) 145
7B．2 歷史 145
7B．3 假設(shè) 145
7B．4 數(shù)學(xué)模型 145
7B．5 算法描述 145
7B．6 算法實(shí)現(xiàn) 146
7B．7 MATLAB實(shí)現(xiàn) 146
7B．8 計(jì)算機(jī)產(chǎn)生數(shù)據(jù)的性能 147
7B．9 現(xiàn)場數(shù)據(jù)的性能 149
7B．10 強(qiáng)/弱關(guān)系 149
7B．11 參考文獻(xiàn) 149
7B．12 支持材料 150
附錄7C 練習(xí)解答 153
第8章 使用大定理的最佳方法 155
8．1 引言 155
8．2 大定理 156
8．2．1 參數(shù)估計(jì) 156
8．2．2 檢測 161
8．2．3 分類 163
8．3 線性模型的最佳算法 165
8．3．1 參數(shù)估計(jì) 166
8．3．2 檢測 167
8．3．3 分類 168
8．4 利用理論導(dǎo)出新結(jié)論 169
8．5 實(shí)用最佳方法 170
8．5．1 參數(shù)估計(jì)：最大似然估計(jì) 171
8．5．2 檢測 172
8．5．3 分類 173
8．6 所學(xué)內(nèi)容 173
參考文獻(xiàn) 173
附錄8A 參數(shù)估計(jì)的一些分析 174
8A．1 經(jīng)典方法 174
8A．2 貝葉斯方法 176
附錄8B 練習(xí)解答 177
第二部分 特 定 算 法
第9章 估計(jì)算法 182
9．1 引言 182
9．2 信號信息的提取 182
9．3 噪聲/干擾時的信號增強(qiáng) 199
參考文獻(xiàn) 206
附錄9A 練習(xí)解答 207
第10章 檢測算法 209
10．1 引言 209
10．2 已知信號形式(已知信號) 210
10．3 未知信號形式(隨機(jī)信號) 215
10．4 未知信號參數(shù)(部分已知信號) 218
參考文獻(xiàn) 224
附錄10A 練習(xí)解答 224
第11章 譜估計(jì) 226
11．1 引言 226
11．2 非參量(傅里葉)方法 227
11．3 參量(基于模型)譜分析 232
11．3．1 AR模型階數(shù)的估計(jì) 237
11．4 時變功率譜密度 238
參考文獻(xiàn) 238
附錄11A 傅里葉譜分析及濾波 238
附錄11B 補(bǔ)零及精度問題 240
附錄11C 練習(xí)解答 241
第三部分 實(shí) 例 擴(kuò) 展
第12章 復(fù)數(shù)據(jù)擴(kuò)展 244
12．1 引言 244
12．2 復(fù)信號 247
12．3 復(fù)噪聲 247
12．3．1 復(fù)隨機(jī)變量 247
12．3．2 復(fù)隨機(jī)矢量 248
12．3．3 復(fù)隨機(jī)過程 249
12．4 復(fù)最小均方及線性模型 251
12．5 復(fù)數(shù)據(jù)的算法擴(kuò)展 252
12．5．1 復(fù)數(shù)據(jù)的估計(jì) 252
12．5．2 復(fù)數(shù)據(jù)的檢測 258
12．5．3 復(fù)數(shù)據(jù)的譜估計(jì) 261
12．6 其他擴(kuò)展 263
12．7 章節(jié)總結(jié) 264
參考文獻(xiàn) 264
附錄12A 練習(xí)解答 264
第四部分 真 實(shí) 應(yīng) 用
第13章 案例―統(tǒng)計(jì)問題 270
13．1 引言 270
13．2 估計(jì)問題―雷達(dá)多普勒中心頻率 270
13．3 已學(xué)內(nèi)容 277
參考文獻(xiàn) 278
附錄13A AR功率譜密度的3 dB帶寬 278
附錄13B 練習(xí)解答 279
第14章 案例研究―檢測問題 280
14．1 引言 280
14．2 估計(jì)問題―磁信號檢測 280
14．3 已學(xué)內(nèi)容 290
參考文獻(xiàn) 291
附錄14A 練習(xí)解答 291
第15章 案例研究―譜估計(jì)問題 292
15．1 引言 292
15．2 提取肌肉噪聲 294
15．3 肌肉噪聲的譜分析 296
15．4 改善ECG波形 297
15．5 已學(xué)內(nèi)容 299
參考文獻(xiàn) 299
附錄15A 練習(xí)解答 299
附錄A 符號和縮寫術(shù)語表 301
附錄B MATLAB簡要介紹 305
附錄C 隨書光盤內(nèi)容的描述 309