信號(hào)檢測(cè)與分析

目錄
第1章 緒論 1
1.1 信號(hào)的定義及分類 1
1.1.1 連續(xù)時(shí)間信號(hào)和離散時(shí)間信號(hào) 1
1.1.2 確定性信號(hào)和隨機(jī)信號(hào) 2
1.1.3 功率信號(hào)和能量信號(hào) 3
1.1.4 周期信號(hào)和非周期信號(hào) 4
1.1.5 基帶信號(hào)和高頻帶通信號(hào) 5
1.1.6 奇異信號(hào) 6
1.2 信號(hào)的頻譜分析 6
1.3 信號(hào)的相關(guān)分析 7
1.3.1 相關(guān)的定義 7
1.3.2 相關(guān)的定理 8
1.4 信號(hào)通過(guò)線性時(shí)不變系統(tǒng) 9
1.5 信號(hào)檢測(cè)與分析的基本概念 11
第2章 隨機(jī)信號(hào)分析基礎(chǔ) 14
2.1 隨機(jī)信號(hào) 14
2.1.1 隨機(jī)變量 14
2.1.2 隨機(jī)信號(hào)及其特征描述 17
2.2 平穩(wěn)隨機(jī)信號(hào) 20
2.2.1 平穩(wěn)隨機(jī)信號(hào)的定義 20
2.2.2 平穩(wěn)隨機(jī)信號(hào)的自相關(guān)函數(shù) 21
2.2.3 平穩(wěn)隨機(jī)信號(hào)的功率譜 23
2.3 幾種特定的隨機(jī)信號(hào) 25
2.3.1 高斯信號(hào) 25
2.3.2 白噪聲 26
2.3.3 馬爾可夫信號(hào) 26
2.3.4 諧波信號(hào) 26
2.4 隨機(jī)信號(hào)通過(guò)線性系統(tǒng) 27
2.5 時(shí)間序列信號(hào)模型 28
2.5.1 三種時(shí)間序列信號(hào)模型 28
2.5.2 有理譜信號(hào) 35
2.5.3 時(shí)間序列信號(hào)模型的普遍適應(yīng)性 36
2.5.4 2階自回歸AR（2）信號(hào)模型 38
2.6 隨機(jī)信號(hào)的高階譜 43
2.6.1 引言 43
2.6.2 高階累積量與高階譜 44
2.6.3 累積量與雙譜的性質(zhì) 47
第3章 信號(hào)檢測(cè)與參數(shù)估計(jì)的基本概念 52
3.1 假設(shè)檢測(cè) 52
3.2 檢測(cè)準(zhǔn)則 53
3.2.1 極大后驗(yàn)概率準(zhǔn)則 53
3.2.2 最小錯(cuò)誤概率準(zhǔn)則 54
3.2.3 最小風(fēng)險(xiǎn)貝葉斯準(zhǔn)則 57
3.2.4 極小極大準(zhǔn)則 57
3.2.5 紐曼-皮爾遜準(zhǔn)則 58
3.3 多次觀察 59
3.4 多元檢測(cè) 61
3.4.1 離散隨機(jī)量的多元檢測(cè) 61
3.4.2 連續(xù)隨機(jī)量的多元檢測(cè) 62
3.5 估計(jì)的基本概念 64
3.6 非線性估計(jì) 69
3.6.1 貝葉斯估計(jì) 69
3.6.2 最大似然估計(jì) 73
3.7 線性估計(jì) 75
3.7.1 線性最小均方誤差估計(jì) 75
3.7.2 遞歸的線性最小均方誤差估計(jì) 78
3.7.3 最小二乘估計(jì) 80
3.8 參數(shù)估計(jì)的應(yīng)用 81
3.8.1 距離估計(jì) 81
3.8.2 AR模型參數(shù)的估計(jì) 83
3.8.3 輻射源定位 86
第4章 相干檢測(cè)與取樣積分 90
4.1 相干檢測(cè) 90
4.1.1 鎖相放大器 91
4.1.2 相敏檢波器 92
4.1.3 鎖相放大器的組成與部件 102
4.2 取樣積分 108
4.2.1 取樣積分的基本原理 109
4.2.2 指數(shù)式門積分器分析 113
4.2.3 取樣積分器的工作方式 119
4.2.4 取樣積分器的參數(shù)選擇及應(yīng)用 123
第5章 維納濾波器 128
5.1 維納濾波 128
5.1.1 維納濾波的基本原理 128
5.1.2 維納濾波器的濾波和預(yù)測(cè) 130
5.2 維納濾波的z域解 133
5.2.1 非因果維納濾波的z域解 133
5.2.2 因果維納濾波的z域解 133
5.3 線性預(yù)測(cè) 135
5.3.1 前向預(yù)測(cè) 136
5.3.2 后向預(yù)測(cè) 138
5.3.3 前向預(yù)測(cè)器和后向預(yù)測(cè)器的關(guān)系 139
5.3.4 前向預(yù)測(cè)誤差濾波器與后向預(yù)測(cè)誤差濾波器的格型結(jié)構(gòu) 139
5.3.5 預(yù)測(cè)系數(shù)和反射系數(shù)的遞推計(jì)算 140
5.4 Levinson-Durbin算法 141
第6章 卡爾曼濾波 143
6.1 卡爾曼濾波的基本概念 143
6.2 狀態(tài)空間模型 144
6.2.1 線性常系數(shù)系統(tǒng)的狀態(tài)方程 144
6.2.2 線性時(shí)變系統(tǒng)的離散狀態(tài) 146
6.2.3 測(cè)量方程 147
6.3 卡爾曼濾波原理 147
6.4 卡爾曼濾波舉例 151
第7章 自適應(yīng)數(shù)字濾波器 155
7.1 LMS自適應(yīng)算法 155
7.1.1 LMS算法及其基本變形 157
7.1.2 解相關(guān)LMS算法 159
7.1.3 學(xué)習(xí)速率參數(shù)的選擇 162
7.1.4 LMS算法的統(tǒng)計(jì)性能分析 165
7.1.5 LMS算法的跟蹤性能 167
7.2 RLS自適應(yīng)算法 169
7.2.1 RLS算法的基本原理 169
7.2.2 RLS算法與卡爾曼濾波算法的比較 172
7.2.3 RLS算法的統(tǒng)計(jì)性能分析 174
7.2.4 快速RLS算法 175
7.3 自適應(yīng)數(shù)字濾波器的應(yīng)用 177
7.3.1 自適應(yīng)噪聲抵消器 177
7.3.2 自適應(yīng)系統(tǒng)辨識(shí) 179
7.3.3 寬帶信號(hào)中的窄帶干擾抑制 180
7.3.4 自適應(yīng)回聲抵消 181
7.4 自適應(yīng)數(shù)字濾波器應(yīng)用的MATLAB模擬 182
7.4.1 自適應(yīng)延遲時(shí)間估計(jì)器 183
7.4.2 自適應(yīng)噪聲抵消器 184
7.4.3 卡爾曼濾波器在雷達(dá)跟蹤中的應(yīng)用 184
第8章 功率譜估計(jì) 186
8.1 概述 186
8.2 數(shù)字特征的估計(jì) 188
8.2.1 均值的估計(jì) 188
8.2.2 方差的估計(jì) 189
8.2.3 數(shù)據(jù)的相關(guān)性對(duì)估計(jì)結(jié)果的影響 190
8.3 自相關(guān)函數(shù)的估計(jì) 191
8.3.1 直接估計(jì)法 192
8.3.2 間接估計(jì)法—自相關(guān)的快速算法 195
8.3.3 其他相關(guān)函數(shù)的估計(jì) 196
8.3.4 相關(guān)技術(shù)的應(yīng)用 197
8.4 經(jīng)典功率譜估計(jì) 201
8.4.1 相關(guān)法—間接法 201
8.4.2 周期圖法—直接法 201
8.4.3 直接法與間接法的關(guān)系 202
8.4.4 估計(jì)質(zhì)量的評(píng)價(jià) 203
8.5 經(jīng)典功率譜估計(jì)的改進(jìn) 205
8.5.1 平均 205
8.5.2 平滑 206
8.5.3 Welch法 207
8.5.4 功率譜估計(jì)的應(yīng)用 208
8.6 經(jīng)典功率譜估計(jì)算法的性能比較 214
8.7 譜估計(jì)時(shí)的一些實(shí)際問(wèn)題 215
8.8 參數(shù)法功率譜估計(jì) 216
8.8.1 Yule-Walker譜估計(jì) 216
8.8.2 Burg譜估計(jì) 218
8.9 小結(jié) 220
主要參考文獻(xiàn) 221