現(xiàn)代數(shù)字信號處理

第1章 確定信號基礎(chǔ)知識
1．1 離散時間確定信號與系統(tǒng)
1．1．1 離散時間信號的定義與分類
1．1．2 常用離散時間信號
1．1．3 離散時間信號的卷積和運算及其性質(zhì)
1．1．4 離散時間系統(tǒng)的定義及特性
1．2 離散時間信號與系統(tǒng)的頻域分析
1．2．1 復指數(shù)信號通過LTI系統(tǒng)的響應
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 離散傅里葉變換和快速傅里葉變換
1．2．4 離散時間系統(tǒng)頻率響應與濾波器
1．3 離散時間信號和系統(tǒng)的Z域分析
1．3．1 離散時間信號的Z變換
1．3．2 離散時間系統(tǒng)函數(shù)
1．3．3 離散時間系統(tǒng)框圖和信號流圖
1．4 離散時間系統(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 信號的采樣與重構(gòu)
1．5．1 時域采樣
1．5．2 信號重構(gòu)
1．5．3 頻域采樣
1．6 數(shù)字濾波器及設(shè)計方法
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
1．7 復倒譜
1．7．1 復倒譜定義
1．7．2 復倒譜的性質(zhì)
1．7．3 通過DFT計算復倒譜
小結(jié)
習題
第2章 隨機信號基礎(chǔ)知識
2．1 離散時間隨機信號
2．1．1 隨機變量
2．1．2 離散時間隨機信號
2．1．3 概率函數(shù)描述
2．1．4 集合平均描述
2．1．5 隨機矢量
2．2 各態(tài)歷經(jīng)性
2．2．1 時間平均描述
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)對隨機信號的響應
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
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)
習題
第3章 平穩(wěn)隨機信號的線性模型
3．1 平穩(wěn)隨機信號的參數(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 隨機信號建模的本質(zhì)
小結(jié)
習題
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 維納濾波器的信號模型
4．5．1 白噪聲通過線性系統(tǒng)
4．5．2 信號模型的建立
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最佳線性預測器
4．6．5 FIR最佳線性單步預測器
4．7 線性預測誤差濾波器
4．7．1 前向預測誤差濾波器
4．7．2 后向預測誤差濾波器
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)
習題
第5章 自適應濾波器
5．1 LMS自適應橫向濾波器
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自適應橫向濾波器
5．2．1 基本原理
5．2．2 RLS自適應橫向濾波器
5．3 自適應濾波器的應用
5．3．1 自適應對消
5．3．2 自適應預測
小結(jié)
習題
第6章 功率譜估計
6．1 經(jīng)典功率譜估計
6．1．1 間接法與直接法
6．1．2 估計的質(zhì)量
6．1．3 平均周期圖
6．1．4 幾個問題的討論
6．2 信號建模譜估計
6．2．1 AR模型譜估計的引出
6．2．2 AR模型譜估計的性質(zhì)
6．2．3 AR模型參數(shù)提取方法
6．2．4 AR模型譜估計的實際問題
6．2．5 MA模型譜估計
6．2．6 ARMA模型功率譜估計
6．3 諧波模型譜估計
6．3．1 Pisarenko諧波分解法
6．3．2 MUSIC算法
6．3．3 ESPRIT算法
6．4 功率譜估計性能比較
小結(jié)
習題
第7章 高階譜估計
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
7．4．1 雙譜的性質(zhì)
7．4．2 雙譜估計方法
7．5 高階累積量的應用
7．5．1 在相位耦合檢測中的應用
7．5．2 在諧波估計中的應用
小結(jié)
習題
參考文獻