通信網(wǎng)絡(luò)精品圖書：譜估計(jì)與自適應(yīng)信號(hào)處理教程

第1章　信號(hào)處理中的矩陣代數(shù)理論
1.1  矩陣
1.1.1  特殊結(jié)構(gòu)矩陣
1.1.2  三角矩陣
1.1.3  正交矩陣與酉矩陣
1.1.4  特殊矩陣的逆
1.1.5  矩陣的分解
1.2  向量、矩陣的內(nèi)積和范數(shù)
1.2.1  向量的內(nèi)積與范數(shù)
1.2.2  矩陣的范數(shù)與內(nèi)積
1.3  向量子空間和Gram-Schmidt正交化
1.3.1  向量子空間
1.3.2  向量子空間的基和Gram-Schmidt正交化
1.4  線性方程組的解
習(xí)題
第2章　概率、統(tǒng)計(jì)與參數(shù)估計(jì)理論基礎(chǔ)
2.1  離散隨機(jī)向量
2.1.1  離散隨機(jī)向量的數(shù)學(xué)描述
2.1.2  隨機(jī)向量的統(tǒng)計(jì)描述
2.2  確定性參數(shù)估計(jì)理論基礎(chǔ)
2.2.1  確定性參數(shù)估計(jì)的性能
2.2.2  極大似然估計(jì)
習(xí)題
第3章　功率譜估計(jì)的經(jīng)典方法
3.1  經(jīng)典功率譜估計(jì)的基本原理
3.1.1  離散平穩(wěn)隨機(jī)過(guò)程的功率譜估計(jì)
3.1.2  自相關(guān)序列和功率譜的性質(zhì)
3.2  自相關(guān)序列的估計(jì)
3.2.1  自相關(guān)序列的無(wú)偏估計(jì)
3.2.2  自相關(guān)函數(shù)的有偏估計(jì)
3.3  周期圖法
3.3.1  周期圖作為功率譜估計(jì)
3.3.2  周期圖法的估計(jì)性能分析
3.4  改進(jìn)周期圖
3.4.1  平均周期圖法（Bartlett法）
3.4.2  平均修正周期圖法（Welch法）
3.4.3  平滑周期圖法（Blackman-Tukey法）
習(xí)題
第4章　功率譜估計(jì)的參數(shù)模型方法
4.1  離散平穩(wěn)隨機(jī)過(guò)程的功率譜和參數(shù)模型
4.1.1  離散平穩(wěn)隨機(jī)過(guò)程通過(guò)線性移不變離散系統(tǒng)的功率譜
4.1.2  離散平穩(wěn)隨機(jī)過(guò)程的參數(shù)模型
4.2  AR參數(shù)模型的功率譜估計(jì)
4.2.1  AR參數(shù)模型的正則方程
4.2.2  AR模型參數(shù)的Levinson-Durbin迭代計(jì)算
4.3  AR過(guò)程的線性預(yù)測(cè)
4.3.1  前、后向一步線性預(yù)測(cè)原理
4.3.2  線性預(yù)測(cè)與AR模型互為逆系統(tǒng)
4.3.3  前、后向一步線性預(yù)測(cè)的格型濾波器
4.4  基于線性預(yù)測(cè)的AR過(guò)程譜估計(jì)方法
4.4.1  自相關(guān)法
4.4.2  協(xié)方差法
4.4.3  修正協(xié)方差法
4.4.4  Burg算法
4.4.5  最小二乘算法
4.5  AR譜估計(jì)方法與最大熵譜估計(jì)方法的等價(jià)性
4.5.1  最大熵譜分析原理
4.5.2  最大熵譜分析
4.6  AR過(guò)程的極大似然譜估計(jì)方法
4.6.1  極大似然譜估計(jì)
4.6.2  極大似然譜估計(jì)的統(tǒng)計(jì)特性
4.7  AR參數(shù)模型功率譜估計(jì)的特性
4.8  MA參數(shù)模型和ARMA參數(shù)模型的功率譜估計(jì)
4.8.1  MA參數(shù)模型的正則方程
4.8.2  ARMA參數(shù)模型的正則方程
習(xí)題
第5章　線譜估計(jì)方法
5.1  MVSE線譜估計(jì)方法
5.1.1  MVSE線譜估計(jì)原理
5.1.2  MVSE線譜估計(jì)和AR模型功率譜估計(jì)間的關(guān)系
5.2  APES算法
5.3  基于相關(guān)矩陣特征分解的線譜估計(jì)方法
5.3.1  信號(hào)子空間和噪聲子空間
5.3.2  MUSIC算法
5.3.3  Root-MUSIC算法
5.3.4  Pisarenko算法
5.3.5  ESPRIT算法
5.4  最小二乘線譜估計(jì)方法
5.4.1  非線性最小二乘線譜估計(jì)方法
5.4.2  高階Yule-Walker線譜估計(jì)方法（HOYW）
5.5  Prony復(fù)極點(diǎn)模型法（Prony擴(kuò)展法）
習(xí)題
第6章　維納濾波器
6.1  維納濾波器
6.1.1  橫向?yàn)V波器結(jié)構(gòu)和維納濾波器
6.1.2  維納濾波器的遞推求解方法——最速下降法
6.2  多級(jí)維納濾波器
6.2.1  輸入向量滿秩變換后維納濾波器的不變性
6.2.2  維納濾波器降階分解和多級(jí)表示
6.3  多輸入多輸出（MIMO）維納濾波器
6.3.1  濾波器輸出是輸入的線性組合型
6.3.2  濾波器輸出是輸入的線性卷積型
習(xí)題
第7章　自適應(yīng)濾波器
7.1  最小均方自適應(yīng)濾波器
7.1.1  最小均方（LMS）算法和它的性能分析
7.1.2  歸一化LMS算法
7.1.3  仿射投影LMS算法
7.1.4  塊輸入LMS算法
7.2  最小二乘自適應(yīng)濾波器
7.2.1  橫向?yàn)V波器參數(shù)的最小二乘解
7.2.2  遞推最小二乘（RLS）算法及其性能分析
7.3  基于QR分解的RLS濾波器（QR-RLS）
7.4  格型自適應(yīng)濾波器
7.4.1  梯度自適應(yīng)格型濾波器
7.4.2  遞推最小二乘自適應(yīng)格型濾波器
7.4.3  修正遞推最小二乘自適應(yīng)格型濾波器
7.5  卡爾曼濾波器
7.5.1  卡爾曼濾波問(wèn)題
7.5.2  新息過(guò)程和卡爾曼濾波
7.6  卡爾曼濾波器與RLS濾波器的關(guān)系
習(xí)題
參考文獻(xiàn)