随机信号处理原理与实践
出版时间：2010年版
内容简介
《随机信号处理原理与实践》系统地介绍了随机信号处理的基本理论、算法及应用。全书共8章，内容包括离散时间信号处理基础、随机信号分析基础、随机信号的线性模型、非参数谱估计、最优线性滤波器、最小二乘滤波和预测、参数谱估计、自适应滤波器。《随机信号处理原理与实践》尽量采用大多数硕士研究生和工程技术人员熟悉的数学知识阐述基本理论，注重用例子解释基本概念，用MATLAB仿真实验帮助读者理解所学内容。各章均给出了适当的习题和上机实验题，以方便读者实践和教师教学。书中所有的MATLAB程序和实验用数据文件，读者可从 的网站下载。《随机信号处理原理与实践》可作为相关专业硕士研究生、高年级本科生的教材及教学参考书，也可供相关领域工程技术人员阅读。
目录
前言
第1章 离散时间信号处理基础
1.1 离散时间信号
1.1.1 常用离散时间信号
1.1.2 序列的基本运算
1.2 离散时间系统
1.2.1 离散时间系统的分类
1.2.2 离散LTI系统的响应
1.3 傅里叶变换
1.3.1 离散时间傅里叶变换
1.3.2 离散傅里叶变换
1.3.3 快速傅里叶变换
1.4 2变换
1.4.1 z变换
1.4.2 逆z变换
1.5 数字滤波器
1.5.1 系统函数
1.5.2 频率响应
1.5.3 格型滤波器
本章小结
习题
第2章 随机信号分析基础
2.1 随机变量
2.1.1 概率分布函数与密度函数
2.1.2 随机变量的数字特征
2.2 随机过程
2.2.1 随机过程的基本统计量
2.2.2 独立、不相关与正交
2.3 几种典型的随机过程
2.3.1 复正弦加噪声
2.3.2 实高斯过程
2.3.3 谐波过程
2.3.4 高斯一马尔可夫过程
2.4 随机信号通过线性系统
2.4.1 时域分析
2.4.2 频域分析
2.5 谱分解定理
2.6 参数估计理论
2.6.1 估计量的性质
2.6.2 均值的估计
2.6.3 方差的估计
本章小结
习题
第3章 随机信号的线性模型
3.1 AR过程
3.1.1 AR（1）模型
3.1.2 AR（2）模型
3.1.3 AR（p）模型
3.2 MA过程
3.3 ARMA过程
3.4 三种模型间的关系
本章小结
习题
第4章 非参数谱估计
4.1 平稳随机信号的自相关估计
4.2 相关图法
4.3 周期图法
4.4 周期图法的改进
4.4.1 平滑单一周期图
4.4.2 多个周期图求平均
4.5 应用举例
4.5.1 语音频谱分析
4.5.2 语谱图
本章小结
习题
第5章 最优线性滤波器
5.1 最优信号估计
5.2 线性均方估计
5.2.1 误差性能曲面
5.2.2 线性最小均方误差估计器
5.2.3 正交原理
5.3 维纳滤波器
5.3.1 Wiene－Hopf方程
5.3.2 FIR维纳滤波器
5.4 最优线性预测
5.4.1 前向线性预测
5.4.2 后向线性预测
5.4.3 Levinson-Durbin算法
5.4.4 格型预测误差滤波器
本章小结
习题
第6章 最小二乘滤波和预测
6.1 最小二乘原理
6.2 线性最小二乘估计
6.2.1 正则方程
6.2.2 正交原理
6.2.3 投影算子
6.3 最小二乘FIR滤波器
6.4 最小二乘线性预测
本章小结
习题
第7章 参数谱估计
7.1 信号建模
7.2 AR模型谱估计
7.2.1 最大熵谱估计
7.2.2 自相关法
7.2.3 协方差法
7.2.4 改进的协方差法
7.2.5 Burg算法
7.2.6 AR模型阶的确定
7.3 MA模型谱估计
7.4 ARMA模型谱估计
7.5 应用举例
7.5.1 “预白化一后着色”谱估计
7.5.2 语音信号的线性预测
本章小结
习题
第8章 自适应滤波器
8.1 自适应滤波原理
8.2 最速下降法
8.3 LMS自适应滤波器
8.3.1 基本的LMS算法
8.3.2 I.MS算法的收敛性分析
8.3.3 I.MS算法的改进
8.4 最小二乘自适应滤波器
8.4.1 RLS算法
8.4.2 RLS算法的收敛性分析
8.5 应用举例
8.5.1 自适应干扰对消
8.5.2 自适应信道均衡器
本章小结
习题
参考文献
