统计与自适应信号处理（中文版）

RFMaster

                               
登录/注册后可看大图

又名: Statistical and Addaptive Signal Processing

作者: （美）马诺莱克思
译者: 周正
ISBN: 9787505376489
页数: 747
定价: 65.0
出版社: 电子工业出版社
装帧: 平装
出版年: 2003-5-1



内容简介:

第1章 引言
1.1 随机信号
1.2 谱估计
1.3 信号建模
1.3.1 有理式或极点-零点模型
1.3.2 分数极点-零点模型和分形模型
1.4 自适应滤波
1.4.1 自适应滤波器的应用
1.4.2 自适应滤波器的特点
1.5 阵列处理
1.5.1 空间滤波或波束形成
1.5.2 降低雷达系统中的自适应干扰
1.5.3 自适应旁瓣抵消器
1.6 本书的结构
第2章 离散时间信号处理基础
2.1 离散时间信号
2.1.1 连续时间信号、离散时间信号和数字信号
2.1.2 信号的数学描述
2.1.3 真实世界的信号
2.2 确定性信号的变换域表示法
2.2.1 傅里叶变换和傅里叶级数
2.2.2 连续时间信号的采样
2.2.3 离散傅里叶变换
2.2.4 z变换
2.2.5 窄带信号的表示
2.3 离散时间系统
2.3.1 线性时不变系统的分析
2.3.2 对周期性输入的响应
2.3.3 相关分析和谱密度
2.4 最小相位和系统的可逆性
2.4.1 最小相位系统和系统的可逆性
2.4.2 全通系统
2.4.3 最小相位和全通分解
2.4.4 谱因式分解
2.5 格型滤波器实现
2.5.1 全零点格型结构
2.5.2 全极点格型结构
2.6 小结
2.7习题
第3章 随机变量、矢量和序列
3.1 随机变量
3.1.1 分析函数与密度函数
3.1.2 统计平均数
3.1.3 一些有用的随机变量.
3.2 随机矢量
3.2.1 定义和二阶矩
3.2.2 随机矢量的线性变换
3.2.3 正态随机矢量
3.2.4 独立的随机变量的和
3.3 离散时间的随机过程
3.3.1 用概率函数来描述
3.3.2 二阶统计描述
3.3.3 平稳性
3.3.4 各态遍历
3.3.5 随机信号的易变性
3.3.6 平稳过程的频域描述
3.4 具有平稳随机输入的线性系统
3.4.1 时域分析
3.4.2 频域分析
3.4.3 随机信号的记忆性
3.4.4 常见的相关矩阵
3.4.5 随机进程的相关矩形
3.5 随机矢量的更新表示
3.5.1 用特征根分解进行变换
3.5.2 运用三角分解的变换
3.5.3 离散的Karhunen-Loeve变换（DKLT）
3.6 估计理论原理
3.6.1 估计子的性质
3.6.2 均值的估计
3.6.3 方差估计
3.7 小结
3.8 习题
第4章 线性信号模型
4.1 引言
4.1.1 线性无参数信号模型
4.1.2 有参极点-零点信号模型
4.1.3 混合过程和Word分解
4.2 全极点模型
4.2.1 模型性质
4.2.2 全极点建模和线性预测
4.2.3 自回归模型
4.2.4 低阶模型
4.3 全零点模型
4.3.1 模型性质
4.3.2 滑动平均模型
4.3.3 低阶模型
4.4 极点-零点模型
4.4.1 模型性质
4.4.2 自回归滑动均模型
4.4.3 一阶的极点-零点模型：PZ（1,1）
4.4.4 总结和对偶性
4.5 级点在单位圆上的模型
4.6 极点-零点模型的复倒谱
4.6.1 极点-零点模型
4.6.2 全极点模型
4.6.3 全零点模型
4 7 小结
4.8 习题
第5章 非参数功率谱估计
5.1 确定信号的谱分析
5.1.1 信号采样的影响
5.1.2 加窗、周期延拓和外推
5.1.3 谱采样的影响
5.1.4 窗口效应：谱泄漏和分辨率损失
5.1.5 小结
5.2 平稳随机信号的自相关设计
5.3 平稳随机信号的功率谱估计
5.3.1 利用周期图估计功率谱
5.3.2 平滑单一周图的功率谱估计——Blackman-Tukey法
5.3.3 对多个周期图求平均的功率谱估计——Welch-Bartlett法
5.3.4 一些实际的考虑和例子
5.4 联合信号的分析
5.4.1 互功率谱的估计
5.4.2 频率响应函数的估计
5.5 多重锥化截取功率谱估计
5.5.1 自功率谱的估计
5.5.2 互功率谱的估计
5.6 小结
5.7 习题
复习思考题
第6章 最佳线性滤波器
6.1 最佳信号估计
6.2 线性均方误差估计
6.2.1 线性均方能表面
6.2.2 线性MMSE估计器的推导
6.2.3 最佳线性估计器的主元分析
6.2.4 几何解释和正交原理
6.2.5 小结
6.3 正规方程组的解
.6.4 最佳有限脉冲响应滤波器
6.4.1 设计和性质
6.4.2 平稳过程的最佳FIR滤波器
6.4.3 频域解释
6.5 线性预测
6.5.1 线性信号估计
6.5.2 前向线性预测
6.5.3 后向线性预测
6.5.4 平稳过程
6.5.5 性质
6.6 最佳无限脉冲响应滤波器
6.6.1 非因果IIR滤波器
6.6.2 因果IIR滤波器
6.6.3 加性噪声的过滤
6.6.4 利用无限过去的线性预测——白化
6.7 逆滤波和解卷积
6.8 数据传输系统的信道均衡
6.8.1 零ISI的奈奎斯特判据
6.8.2 等价的离散时间信道模型
6.8.3 线性均衡器
6.8.4 迫零均衡器
6.8.5 最小MSE均衡器
6.9 匹配滤波器和本征滤波器
6.9.1 噪声中的确定性信号
6.9.2 噪声中的随机信号
6.10 小结
6.11 习题
第7章 最佳线性滤波器的算法和结构
7.1 阶数递归算法的基础
7.1.1 矩阵分块和最佳嵌套
7.1.2 分块厄米特矩阵的逆
7.1.3 最佳估计的Levinson递归
7.1.4 LDLH分解的阶数递归计算
7.1.5 最佳估计的阶数递归计算
7.2 算法量的解释
7.2.1 新息和后向预测
7.2.2 部分相关
7.2.3 最佳估计的阶数分解
7.2.4 Cram-Schmidt正交化
7.3 最佳FIR滤波器的阶数递归算法
7.3.1 最佳滤波器的阶数递归计算
7.3.2 格型-梯型结构
7.3.3 平稳随机过程的简化
7.3.4 基于UDUH分解的算法
7.4 Levinson和Levinsod-Durbin算法
7.5 最佳FIR滤波器和预测器的格型结构
7.5.1 格型-梯型结构
7.5.2 一些性质和说明
7.5.3 参数转化
7.6 Schür算法
7.6.1 直接Schür算法
7.6.2 实现上的考虑
7.6.3 逆Schür算法
7.7 Toeplitz矩阵的三角化和求逆
7.7.1 逆Toeplitz矩阵的LDLH分解
7.7.2 Toeplitz矩阵的LDLH分解
7.7.3 实Toeplitz矩形的逆
7.8 卡尔曼滤波器算法
7.8.1 预先推导
7.8.2 卡尔曼滤波器的推导
7.9 小结
7.10 习题
第8章 最小二乘滤波和预测
8.1 最小二乘原理
8.2 线性最小二乘误差估计
8.2.1 正规方程组的导出
8.2.2 最小二乘估计的统计性质
8.3 最小二乘FIR滤波器
8.4 线性最小二乘信号估计
8.4.1 信号估计和线性预测
8.4.2 复合的前向和后向线性预测（FBLP）
8.4.3 窄带干扰消除
8.5 用正规方程进行LS计算
8.5.1 线性LSE估计
8.5.2 LSE FIR滤波和观测
8.6 使用正交化技术的LS计算
8.6.1 Householder反射
8.6.2 Givens旋转
8.6.3 Gram-Schmidt正交化
8.7 采用奇异值分解的LS计算
8.7.1 奇异值分解
8.7.2 LS问题的解
8.7.3 非满秩的LS问题
8.8 小结
8.9 习题
第9章 信号建模和参量谱估计
9.1 建模过程：理论和实际
9.2 全极点模型的估计
9.2.1 直接型结构
9.2.2 格型结构
9.2.3 最大熵方法
9.2.4 线性谱激励
9.3 极点-零点模型的估计
9.3.1 已知激励
9.3.2 未知激励
9.3.3 非线性最小二乘最优化
9.4 应用
9.4.1 谱估计
9.4.2 语音建模
9.5 最小方差谱估计
9.6 谐波模型和频率估计技术
9.6.1 谐波模型
9.6 2 Pisarenko谐波分解
9.6.3 MUSIC算法
9.6.4 最小范数方法
9.6.5 ESPRIT算法
9.7 小结
9.8 习题
第10章 自适应滤波器
10.1 自适应滤波器的典型应用
10.1.1 通信中的回波抵消
10.1.2 数据通信信道的均衡
10.1.3 线性预测编码
10.1.4 噪声抵消
10.2 自适应滤波器的原理
10.2.1 自适应滤波器的特征
10.2.2 最佳滤波器与自适应滤波器的比较
10.2.3 自适应滤波器的稳定性和稳态性能
10.2.4 几个实际因素
10.3 最速下降法
10.4 最小均方自适应滤波器
10.4.1 推导
10.4.2 平衡SOE中的自适应
10.4.3 总结和设计准则
10.4.4 LMS算法的应用
10.4.5 实际中需要考虑的事项
10.5 递归最小二乘自适应滤波器
10.5.1 LS自适应滤波器
10.5.2 常规的递归最小二乘算法
10.5.3 实际中需要考虑的事项
10.5.4 收敛性和性能分析
10.6 阵列处理的RIS算法
10.6.1 使用Cholesky和QR分解的LS计算
10.6.2 两个有用的引理
10.6.3 QR-RLS算法
10.6.4 扩展的QR-RLS算
10.6.5 逆QR-RLS算法
10.6.6 运用Givens旋转的QR-RLS算法的实现
10.6.7 使用Givers旋转的逆QR-RLS算法的实现
10.6.8 用于阵列处理的RLS算法的分类
10.7 用于FIR滤波的快速RLS算法
10.7.1 快速固定阶数RLS FIR滤波器
10.7.2 RLS格型-梯型滤波器
10.7.3 使用误差反馈更新的RLS格型-梯型滤波器
10.7.4 基于Giverns旋转的LS格型-梯型算法
10.7.5 用于FIR滤波的RLS算法的分类
10.8 自适应算法的跟踪性能
10.8.1 用于非平稳SOE的方法
10.8.2 性能分析的预备知识
10.8.3 LMS算法
10.8.4 具有指数遗忘的RLS算法
10.8.5 跟踪性能的比较
10.9 小结
10.10 习题
第11章 阵列处理
11.1 阵列的基本原理
11.1.1 空间信号
11.1.2 调制-解调
11.1.3 阵列信号模型
11.1.4 传感阵列：空间采样
11.2 常用的空间滤波：波束形成
11.2.1 空间匹配滤波器
11.2.2 锥化截取波束形成
11.3 最佳阵列处理
11.3.1 最佳波束形成
11.3.2 最佳波束形成器的特征跟分析
11.3.3 干扰消除性能
11.3.4 锥化塔截取最佳波束形成
10.3.5 广义旁瓣消除器
11.4 最佳波束形成器的性能考虑
11.4.1 信号失配的影响
11.4.2 带宽的影响
11.5 自适应波束形成
11.5.1 采样矩形求逆
11.5.2 用SMI波束形成器的对角线加载
11.5.3 SMI波束形成器的实现
11.5.4 逐点采样自适应方法
11.6 其他自适应阵列处理方法
11.6.1 线性约束的最小方差波束形成器
11.6.2 部分自适应阵列
11.6.3 旁瓣消除器
11.7 角度估计
11.7.1 最大似然角度估计
11.7.2 角度精确度的Cramér-Rao下限
11.7.3 波束分裂算法
11.7.4 基于模型的方法
11.8 空间-时间自适应处理
11.9 小结
11.10 习题
第12章 深入研究的课题
12.1 信号处理中的高阶统计（HOS）
12.1.1 矩、积累量和多谱
12.1.2 高阶矩和线性时不变（LTI）系统
12.1.3 线性信号模型的高阶矩
12.2 肓解卷积
12.3 无监督型自适应滤波器——肓均衡器
12.3.1 肓均衡器
12.3.2 码率肓均衡器
12.3.3 常数模算法
12.4 分数间隔均衡器
12.4.1 迫零分数间隔均衡器
12.4.2 MMSE分数间隔均衡器
12.4.3 肓分数间隔均衡型
12.5 分数极点-零点信号模型
12.5.1 分数单位极点模型
12.5.2 分数极点-零点模型
12.5.3 对称α稳定分数极点-零点过程
12.6 自相似随机信号模型
12.6.1 自相似随机过程
12.6.2 分数布郎运动
12.6.3 分数高斯噪声
12.6.4 分数布郎运动和分数高斯噪声的模拟
12.6.5 长期记忆的估计
12.6.6 分数 Lévy稳定运动
12.7 小结
12.8 习题
附录A 矩阵求进逆引理
附录B 复数空间的梯度和优化
附录C MATLAB函数
附录D 矩阵代数运算中的有用结果
附录E 多项式的最小相位检测
参考文献

RFMaster

1 2 3

RFMaster

4   5   6

RFMaster

7    8    9

RFMaster

10   11    12    13

RFMaster

终于发完了，希望对大家有用。

flydragon611

多谢楼主共享，下载下来好好研究：）

sdjsdfjkdf

it's really helpful.

sdjsdfjkdf

is there any answers for the exercises

sdjsdfjkdf

you son of a bicth