現(xiàn)代數(shù)字信號(hào)處理

第一章  基礎(chǔ)知識(shí)                  
 1. 1  隨機(jī)矢量                  
 1. 2  相關(guān)抵消                  
 1. 3  Gram-Schmidt正交化                  
 1. 3. 1  基本定義                  
 1. 3. 2  正交投影定理和Gram-Schmidt正交化                  
 1. 3. 3  新息                  
 1. 4  偏相關(guān)系數(shù)(PARCOR系數(shù))                  
 1. 5  功率譜和周期圖                  
 1. 6  譜分解                  
 1. 6. 1  最小相位序列                  
 1. 6. 2  部分能量和最小時(shí)延                  
 1. 6. 3  自相關(guān)函數(shù)的不變性                  
 1. 6. 4  最小時(shí)延性質(zhì)                  
 1. 6. 5  最小相位性質(zhì)                  
 1. 6. 6  譜分解定理                  
 1. 7  信號(hào)的參數(shù)模型                  
 習(xí)題                  
 參考文獻(xiàn)                  
 第二章  維納濾波和卡爾曼濾波                  
 2. 1  維納濾波的標(biāo)準(zhǔn)方程                  
 2. 2  維納-霍夫方程的求解                  
 2. 2. 1  FIR維納濾波器                  
 2. 2. 2  非因果FIR維納濾波器                  
 2. 2. 3  因果IIR維納濾波器                  
 2. 3  維納濾波的均方誤差                  
 2. 4  因果IIR維納濾波器的設(shè)計(jì)與計(jì)算                  
 2. 5  標(biāo)量卡爾曼濾波器                  
 2. 6  矢量卡爾曼濾波器                  
 2. 6. 1  信號(hào)矢量和數(shù)據(jù)矢量                  
 2. 6. 2  矢量卡爾曼濾波器的遞推計(jì)算公式                  
 2. 7  維納濾波和卡爾曼濾波的計(jì)算和應(yīng)用舉例                  
 2. 7. 1  維納濾波器                  
 2. 7. 2  卡爾曼濾波器                  
 復(fù)習(xí)思考題                  
 習(xí)題                  
 參考文獻(xiàn)                  
 第三章  自適應(yīng)濾波器                  
 3. 1  自適應(yīng)濾波原理                  
 3. 2  自適應(yīng)線性組合器                  
 3. 3  均方誤差性能曲面                  
 3. 4  二次性能曲面的基本性質(zhì)                  
 3. 5  最陡下降法                  
 3. 6  學(xué)習(xí)曲線和收斂速度                  
 3. 7  自適應(yīng)的最小均方(LMS)算法                  
 3. 8  權(quán)矢量噪聲                  
 3. 9  失調(diào)量                  
 3. 10  自適應(yīng)的遞歸最小二乘方(RLS)算法                  
 3. 11  IIR遞推結(jié)構(gòu)自適應(yīng)濾波器的LMS算法                  
 3. 12  自適應(yīng)濾波器計(jì)算舉例                  
 3. 13  自適應(yīng)濾波器的數(shù)字實(shí)現(xiàn)                  
 3. 13. 1  LMS算法自適應(yīng)濾波器的直接實(shí)現(xiàn)                  
 3. 13. 2  分布運(yùn)算自適應(yīng)濾波器                  
 3. 13. 3  余數(shù)制自適應(yīng)濾波器                  
 3. 14  最小二乘自適應(yīng)濾波器                  
 3. 14. 1  最小二乘濾波器的矢量空間分析                  
 3. 14. 2  投影矩陣和正交投影矩陣                  
 3. 14. 3  時(shí)間更新                  
 3. 15  最小二乘格形(LSL)自適應(yīng)算法                  
 3. 15. 1  前向預(yù)測(cè)和后向預(yù)測(cè)                  
 3. 15. 2  預(yù)測(cè)誤差濾波器的格形結(jié)構(gòu)                  
 3. 15. 3  LSL自適應(yīng)算法                  
 3. 15. 4  LSL自適應(yīng)算法的性能                  
 3. 16  快速橫向?yàn)V波(FTF)自適應(yīng)算法                  
 3. 16. 1  FTF算法涉及到的4個(gè)橫向?yàn)V波器                  
 3. 16. 2  橫向?yàn)V波算子的時(shí)間更新                  
 3. 16. 3  FTF自適應(yīng)算法中的時(shí)間更新關(guān)系                  
 3. 16. 4  FTF自適應(yīng)算法流程                  
 3. 16. 5  FTF自適應(yīng)算法的性能                  
 3. 16. 6  FTF算法計(jì)算量的進(jìn)一步減少                  
 3. 17  自適應(yīng)濾波器的應(yīng)用                  
 3. 17. 1  自適應(yīng)系統(tǒng)模擬和辨識(shí)                  
 3. 17. 2  自適應(yīng)逆濾波                  
 3. 17. 3  自適應(yīng)干擾抵消                  
 3. 17. 4  自適應(yīng)預(yù)測(cè)                  
 復(fù)習(xí)思考題                  
 習(xí)題                  
 參考文獻(xiàn)                  
 第四章  功率譜估計(jì)的現(xiàn)代方法                  
 4. 1  從經(jīng)典譜估計(jì)到現(xiàn)代譜估計(jì)                  
 4. 2  譜估計(jì)的參數(shù)模型方法                  
 4. 3  AR模型的Yule-Walker方程                  
 4. 4  Levinson-Durbin算法                  
 4. 5  AR模型的穩(wěn)定性及其階的確定                  
 4. 6  AR譜估計(jì)的性質(zhì)                  
 4. 6. 1  AR譜估計(jì)隱含著自相關(guān)函數(shù)的外推                  
 4. 6. 2  AR譜估計(jì)與最大熵譜估計(jì)等效                  
 4. 6. 3  AR譜估計(jì)與線性預(yù)測(cè)譜估計(jì)等效                  
 4. 6. 4  AR譜估計(jì)等效于最佳白化處理                  
 4. 6. 5  AR譜估計(jì)的界                  
 4. 7  格形濾波器                  
 4. 8  AR模型參數(shù)提取方法                  
 4. 8. 1  Yule-Walker法                  
 4. 8. 2  協(xié)方差法                  
 4. 8. 3  Burg法                  
 4. 9  AR譜估計(jì)的異?，F(xiàn)象及其補(bǔ)救措施                  
 4. 9. 1  虛假譜峰                  
 4. 9. 2  譜線分裂                  
 4. 9. 3  噪聲對(duì)AR譜估計(jì)的影響                  
 4. 10  MA和ARMA模型譜估計(jì)                  
 4. 10. 1  MA模型譜估計(jì)                  
 4. 10. 2  ARMA模型譜估計(jì)                  
 4. 11  白噪聲中正弦波頻率的估計(jì)                  
 4. 11. 1  最大似然法                  
 4. 11. 2  修正協(xié)方差A(yù)R譜估計(jì)方法                  
 4. 11. 3  特征分解頻率估計(jì)                  
 1. 11. 4  信號(hào)子空間頻率估計(jì)                  
 4. 11. 5  噪聲子空間頻率估計(jì)                  
 復(fù)習(xí)思考題                  
 習(xí)題                  
 參考文獻(xiàn)                  
 第五章  同態(tài)信號(hào)處理                  
 5. 1  廣義疊加原理                  
 5. 2  乘法同態(tài)系統(tǒng)                  
 5. 3  卷積同態(tài)系統(tǒng)                  
 5. 4  復(fù)倒譜定義                  
 5. 4. 1  復(fù)對(duì)數(shù)的多值性問題                  
 5. 4. 2  X(z)的解析性問題                  
 5. 5  復(fù)倒譜的性質(zhì)                  
 5. 6  復(fù)倒譜的計(jì)算方法                  
 5. 6. 1  按復(fù)倒譜定義計(jì)算                  
 5. 6. 2  最小相位序列的復(fù)倒譜的計(jì)算                  
 5. 6. 3  復(fù)對(duì)數(shù)求導(dǎo)數(shù)計(jì)算法                  
 5. 6. 4  遞推計(jì)算方法                  
 復(fù)習(xí)思考題                  
 習(xí)題                  
 參考文獻(xiàn)                  
 第六章  高階譜分析                  
 6. 1  三階相關(guān)和雙譜的定義及其性質(zhì)                  
 6. 2  累量和多譜的定義及其性質(zhì)                  
 6. 2. 1  隨機(jī)變量的累量                  
 6. 2. 2  隨機(jī)過程的累量                  
 6. 2. 3  多譜的定義                  
 6. 2. 4  累量和多譜的性質(zhì)                  
 6. 3  累量和多譜估計(jì)                  
 6. 4  基于高階譜的相位譜估計(jì)                  
 6. 5  基于高階譜的模型參數(shù)估計(jì)                  
 6. 5. 1  AR模型參數(shù)估計(jì)                  
 6. 5. 2  MA模型參數(shù)估計(jì)                  
 6. 5. 3  ARMA模型參數(shù)估計(jì)                  
 6. 6  利用高階譜確定模型的階                  
 6. 7  多譜的應(yīng)用                  
 復(fù)習(xí)思考題                  
 習(xí)題                  
 參考文獻(xiàn)                  
 第七章  小波分析                  
 7. 1  窗口傅里葉變換--時(shí)頻定位概念                  
 7. 2  連續(xù)小波變換                  
 7. 3  連續(xù)小波變換的逆變換公式                  
 7. 4  尺度和時(shí)移參數(shù)的離散化                  
 7. 5  小波框架                  
 7. 5. 1  框架的一般概念                  
 7. 5. 2  小波框架的必要條件和充分條件                  
 7. 5. 3  小波框架的對(duì)偶                  
 7. 6  標(biāo)準(zhǔn)正交小波基                  
 7. 7  多分辨率分析                  
 7. 7. 1  多分辨率分析的基本思想                  
 7. 7. 2  多分辨宰分析的定義                  
 7. 8  標(biāo)準(zhǔn)正交小波基的構(gòu)造                  
 7. 8. 1  信號(hào)空間L2(R)的分解                  
 7. 8. 2  尺度函數(shù)                  
 7. 8. 3  正交小波基的構(gòu)造                  
 7. 9  標(biāo)準(zhǔn)正交小波基舉例                  
 7. 10  計(jì)算小波級(jí)數(shù)系數(shù)的塔式算法--Mallat算法                  
 7. 11  離散小波變換的快速算法                  
 7. 11. 1  離散時(shí)間小波                  
 7. 11. 2  A Trous算法                  
 7. 11. 3  Mallat算法                  
 7. 12  離散時(shí)間信號(hào)多分辨率分析理論                  
 7. 12. 1  離散時(shí)間尺度                  
 7. 12. 2  離散時(shí)間分辨率                  
 7. 12. 3  多分辨率逼近的細(xì)節(jié)信號(hào)                  
 7. 12. 4  塔式變換                  
 7. 12. 5  離散小波變換                  
 7. 12. 6  時(shí)間多分辨率分析                  
 7. 12. 7  計(jì)算DWT的雙通道濾波器的設(shè)計(jì)                  
 7. 12. 8  小波的雙正交性和正交性                  
 7. 13  正交小波包                  
 7. 14  小波分析在信號(hào)處理中的應(yīng)用                  
 7. 14. 1  圖像信號(hào)的小波變換                  
 7. 14. 2  聲音信號(hào)的聽覺表示                  
 復(fù)習(xí)思考題                  
 習(xí)題                  
 參考文獻(xiàn)                  
 第八章  神經(jīng)網(wǎng)絡(luò)信號(hào)處理                  
 8. 1  神經(jīng)網(wǎng)絡(luò)模型                  
 8. 1. 1  生物神經(jīng)元及其模型                  
 8. 1. 2  人工神經(jīng)網(wǎng)絡(luò)模型                  
 8. 1. 3  神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式                  
 8. 2  多層前向網(wǎng)絡(luò)及其學(xué)習(xí)算法                  
 8. 2. 1  單層前向網(wǎng)絡(luò)的分類能力                  
 8. 2. 2  多層前向網(wǎng)絡(luò)的非線性映射能力                  
 8. 2. 3  權(quán)值計(jì)算--矢量外積算法                  
 8. 2. 4  有導(dǎo)師學(xué)習(xí)法--誤差修正法                  
 8. 3  反饋網(wǎng)絡(luò)及其能量函數(shù)                  
 8. 3. 1  非線性動(dòng)態(tài)系統(tǒng)的穩(wěn)定性                  
 8. 3. 2  離散型Hopfield單層反饋網(wǎng)絡(luò)                  
 8. 3. 3  連續(xù)型Hopheld單層反饋網(wǎng)絡(luò)                  
 8. 3. 4  隨機(jī)型和復(fù)合型反饋網(wǎng)絡(luò)                  
 8. 4  自組織神經(jīng)網(wǎng)絡(luò)                  
 8. 4. 1  自組織聚類                  
 8. 4. 2  自組織特征映射                  
 8. 4. 3  自組織主元分析                  
 8. 5  神經(jīng)網(wǎng)絡(luò)在信號(hào)處理中的應(yīng)用                  
 復(fù)習(xí)思考題                  
 習(xí)題                  
 參考文獻(xiàn)                  
 第四章附錄                  
 附錄4. 1  關(guān)于現(xiàn)代譜估計(jì)程序的說明                  
 附錄4. 2  GLOBAL                  
 附錄4. 3  CORRELATION                  
 附錄4. 4  PREFFT                  
 附錄4. 5  FFT                  
 附錄4. 6  LEVINSON                  
 附錄4. 7  YULEWALK                  
 附錄4. 8  COVAR                  
 附錄4. 9  BURG                  
 附錄4. 10  MODCOVAR                  
 附錄4. 11  MA                  
 附錄4. 12  ARMA                  
 附錄4. 13  CSVD                  
 附錄4. 14  MUSIC                  
 第六章  附錄                  
 附錄6. 1  累量與矩的關(guān)系                  
 附錄6. 2  隨機(jī)信號(hào)通過線性系統(tǒng)后的累量                  
 附錄6. 3  奇異值分解                  
 第七章  附錄                  
 附錄7. 1  式(7. 23)的證明                  
 附錄7. 2  式(7. 79)的證明                  
 附錄7. 3  式(7. 83)的證明                  
 附錄7. 4  一維離散小波變換及其逆變換程序                  
 附錄7. 5  二維離散小波變換及其逆變換程序                  
 附錄7. 6  二維離散正交小波變換及其逆變換程序                  
 第八章  附錄                  
 附錄8. 1  離散型誤差修正學(xué)習(xí)算法的收斂性                  
 附錄8. 2  離散型單元的學(xué)習(xí)算法                  
 附錄8. 3  S型單元的LMS算法                  
 附錄8. 4  多層前向網(wǎng)絡(luò)的BP學(xué)習(xí)算法                  
 附錄8. 5  多層前向網(wǎng)絡(luò)的模擬退火算法                  
 部分習(xí)題參考答案                  
 索  引