《数字信号处理基础》求取 ⇩

第一章　向量和矩阵分析1

1.1　定义和基本运算1

1.2　初等变换和矩阵的逆11

1.3　分块矩阵和分块求逆17

1.4　二次型和矩阵的特征值23

1.5　矩阵的分解31

1.6　矩阵分析37

第二章　概率论与数理统计基础44

2.1　概率的一些基本公式和定理44

2.2　随机变量及其分布47

2.3　样本及其分布59

2.4　正态分布67

2.5　统计推断76

2.6　随机序列82

第三章　滤波器原理与设计89

3.1　滤波器的一般原理89

3.2　数字滤波器102

3.3　褶积滤波器的设计105

3.4　递归滤波器的频域设计111

3.5　数字滤波器的误差129

3.6　最小平方滤波器131

3.7　相关滤波133

3.8　反滤波（反褶积）137

第四章　逐步回归分析148

4.1　一元线性回归148

4.2　回归方程的显著性检验151

4.3　失拟性检验152

4.4　回归预测154

4.5　多元线性回归157

4.6　回归系数的显著性检验162

4.7　多元回归预测166

4.8　逐步回归分析167

5.1　ARMA模型187

第五章　时间序列的ARMA分析187

5.2　差分方程简介189

5.3　ARMA模型的格林函数和逆函数191

5.4　最大似然法和最小二乘法196

5.5　ARMA序列的相关函数207

5.6　ARMA模型的参数估计212

5.7　模型阶数217

5.8　趋势性和季节性220

5.9　多维时间序列222

第六章　最大熵谱229

6.1　时间序列的频谱分析230

6.2　频谱的频率极限233

6.3　自相关和功率谱234

6.4　熵的概念与定义241

6.5　复正态过程243

6.6　最大熵谱的方程组249

6.7　最大熵谱的预测误差解法251

6.8　预测误差滤波器的递推算法255

8.9　AR过程与最大熵谱260

6.10　FPE准则264

6.11　计算实例265

6.12　最大熵谱的渐近性质269

第七章　最大似然谱271

7.1　谱估计的最大似然法271

7.2　最大熵谱法与最大似然谱法的比较274

第八章　多道维纳滤波276

8.1　引言276

8.2　维纳-霍普方程278

8.3　单道维纳滤波281

9.4　托布里兹方程的求解283

8.5　多道维纳滤波291

8.6　多道正则方程的递推解法298

9.1　引言308

第九章　卡尔曼滤波308

9.2　最小均方差估计309

9.3　正交投影315

9.4　线性动态系统319

9.5　卡尔曼滤波公式326

9.6　滤波公式的证明331

9.7　一般的卡尔曼滤波公式336

9.8　系统模型和滤波的稳定性340

第十章　几种统计估计方法的评述349

10.1　几种统计估计349

10.2　滤波与统计估计的关系358

11.1　物理可实现信号的性质360

第十一章　最小延迟和滤波器的性质360

11.2　相延迟、群延迟与最小相位信号365

11.3　最小相位信号的求法370

11.4　滤波器的性质380

11.5　希尔伯特变换386

第十二章　应用393

12.1　疏系数混合回归方法分析大地震前后地形变资料393

12.2　维纳滤波方法测定台站间的相速度、群速度和Q值396

12.3　卡尔曼滤波方法在地下水位观测资料中的应用403

参考文献411