| 0 绪论 1 随机信号基础及模型 1.1 随机信号基础 1.1.1 随机过程的基本特征 1.1.2 自相关矩阵 1.1.3 常见信号 1.2 *随机信号的展开 1.2.1 KL变换 1.2.2 由随机序列集表示随机信号的方式 1.3 随机信号的功率谱密度 1.3.1 功率谱密度的定义和性质 1.3.2 随机信号通过线性系统后的自相关和功率谱 1.3.3 连续随机信号与离散随机信号的关系 1.4 随机信号模型 1.4.1 谱分解定理 1.4.2 随机信号的ARMA模型 1.4.3 随机信号表示的进一步讨论 1.5 自相关与模型参数的关系 1.6 小结和进一步阅读 习题 参考文献 2 估计理论基础 2.1 基本的经典估计问题 2.2 Cramer?Rao下界 2.3 最大似然估计 2.4 Bayesian 估计 2.4.1 最小均方Bayesian估计 2.4.2 *Bayesian估计的其他形式 2.5 线性贝叶斯估计器 2.6 小结和进一步阅读 习题 参考文献 3 最优滤波器 3.1 Wiener滤波器 3.1.1 从估计理论观点导出Wiener滤波 3.1.2 从正交原理和线性滤波观点分析Wiener滤波器 3.1.3 IIR Wiener滤波器 3.1.4 通信系统的最佳线性均衡器 3.2 *阵列波束形成与Wiener滤波 3.2.1 阵列波束形成的基础知识 3.2.2 用Wiener滤波解波束形成问题 3.2.3 MVDR波束形成器 3.3 最优线性预测 3.3.1 前向线性预测 3.3.2 后向线性预测 3.3.3 Levinson?Durbin算法 3.3.4 格型预测误差滤波器 3.3.5 预测误差滤波器的性质 3.4 *Levinson?Durbin算法和格型滤波器的推广 3.4.1 AR模型和全极点格型 3.4.2 乔里奇(Cholesky)分解 3.4.3 利用Cholesky分解求解Wiener?Hopf方程 3.5 Kalman滤波 3.5.1 标量随机状态的最优递推估计 3.5.2 矢量形式的Kalman滤波 3.5.3 Kalman滤波器的进一步讨论 3.6 小结和进一步阅读 习题 附录3A 连续时间Wiener滤波器 参考文献 4 最小二乘滤波 5 功率谱估计 6 线性自适应滤波器 7 高阶谱分析 8 *周期平稳信号的谱相关分析 9 时频分析方法 10 小波变换原理及应用概论 附录A 矩阵论基础 附录B Matlab函数列表 |
![MPLS技术与实现[按需印刷]](http://images.china-pub.com/ebook/8455/zcover.jpg)
内容加载中，请稍后...
商品评论（0条）