《随机信号处理》求取 ⇩

第一章 引论1

1.1 概要1

1.2 消息、信号与信息2

1.3 信息科学与信息工程4

1.4 历史背景5

1.5 随机信号处理11

第二章 随机信号的表示12

2.1 随机过程12

2.2 随机过程分析32

2.3 线性系统响应40

2.4 随机过程的表示48

2.5 随机信号模型60

2.6 窄带信号64

习题84

第三章 检测理论88

3.1 经典检测理论89

3.2 贝叶斯准则92

3.3 极大极小化准则111

3.4 聂曼-皮尔逊准则115

3.5 复合假设检测124

3.6 序列检测127

3.7 一般高斯问题的二元检测132

习题135

第四章 噪声中信号波形的检测142

4.1 匹配滤波器的原理142

4.2 白色噪声中已知信号的检测：相关接收机162

4.3 非白噪声中已知信号的检测180

4.4 具有多余参量信号的检测188

习题189

第五章 鲁棒检测196

5.1 鲁棒性的概念196

5.2 鲁棒规则198

5.3 对平稳和无记忆随机过程的鲁棒检测200

习题220

第六章 非参量检测222

6.1 非参量检测的基本概念222

6.2 符号检测223

6.3 秩检测231

6.4 自适应检测238

习题242

第七章 参量估计244

7.1 估计理论244

7.2 最大似然估计246

7.3 估计准则250

7.4 随机参量的贝叶斯估计256

7.5 线性均方估计265

7.6 最小二乘法272

7.7 估计量的性质276

7.8 线性估计283

7.9 非线性估计287

7.10 非白色噪声估计290

习题296

第八章 波形估计301

8.1 线性变换与正交原理302

8.2 平稳随机过程的估计--维纳滤波309

8.3 非平稳随机过程的估计--卡尔曼滤波327

8.4 卡尔曼滤波和维纳滤波之间的关系375

8.5 非线性估计377

习题381

第九章 功率谱估计386

9.1 谱估计386

9.2 谱估计的非参量方法387

9.3 谱估计的参量方法406

习题420

第十章 自适应随机信号处理424

10.1 数字滤波器425

10.2 自适应处理器的结构430

10.3 搜索性能表面的最速下降法442

10.4 最小均方算法454

10.5 递归自适应滤波器458

10.6 自适应噪声对消462

10.7 自适应陷波滤波器468

10.8 分离信号和信号的谱线增强476

习题478

第十一章 在系统辨识方面的应用482

11.1 系统辨识的概念482

11.2 最小二乘法辨识484

11.3 广义最小二乘辨识489

11.4 考虑噪声情况下的线性离散系统模型494

11.5 系统辨识的卡尔曼滤波方法497

11.6 系统辨识的广义卡尔曼滤波法498

11.7 最大似然辨识499

习题501

第十二章 在雷达系统方面的应用502

12.1 雷达检测与跟踪的基本概念502

12.2 雷达信号的检测503

12.3 雷达恒虚警率处理514

12.4 雷达参量的估计531

12.5 机动目标跟踪541

12.6 多目标跟踪545

习题553

参考文献554