| 姓名：吴正国著 作者简介： 作品：《高等数字信号处理》 |
| 第2章 现代谱估计 2.1 现代谱估计概述 利用给定的一组样本数据估计一个平稳随机信号的功率谱密度称为功率谱估计。在许多工程应用中，功率谱估计是十分重要的，因为它能给出被分析对象的能量随频率的分布情况。 另外，随机信号可以借助一个模型来加以描述，最常用的模型通常有两类：一是具有有理分式传递函数的线性系统模型，如arma、ar和ma模型，它们表示的是由白噪声激励的线性有理分式系统产生的随机信号；另一类是复正弦模型，它们表示的是被噪声污染的正弦信号。用模型法进行谱估计的方法称为现代谱估计方法，以区别于周期图法等经典谱估计方法。 2.1.1 经典谱估计的主要问题 第1章介绍的经典谱估计方法不需要任何先验的模型假设，仅依据所观测的数据进行估计，且可以用fft计算，计算速度快，物理概念明确，因而仍是目前较常用的谱估计方法之一。 …… 更多 |
| 序 前言 第1章 基础知识 1.1 信号与信号空间的基本概念 1.1.1 信号及其分类 1.1.2 噪声 1.1.3 信号空间 1.2 离散时间系统 1.2.1 基本概念 1.2.2 线性时不变系统的描述 1.2.3 全通系统和最小相位系统 1.3 确定性信号的相关函数 1.3.1 相关函数的定义与性质 1.3.2 相关函数与线性卷积 1.4 信号的傅里叶变换 1.4.1 连续时间信号的傅里叶变换 1.4.2 离散时间信号的傅里叶变换 1.4.3 连续时间信号的采样 1.4.4 离散傅里叶变换 1.5 随机信号的功率谱 1.5.1 随机信号及其特征描述 1.5.2 平稳随机信号通过线性系统 1.5.3 统计估计问题 1.5.4 功率谱及其估计 1.6 信号的参数模型 1.6.1 谱分解定理 1.6.2 信号模型 本章小结 参考文献 第2章 现代谱估计 2.1 现代谱估计概述 2.1.1 经典谱估计的主要问题 2.1.2 基于信号参数模型的谱估计方法 2.2 ar谱估计 2.2.1 ar模型的正则方程 2.2.2 levinson—durbin算法 2.2.3 ar谱估计的自相关法 2.2.4 ar模型阶次的选择 2.2.5 ar谱估计的性质 2.3 线性预测 2.3.1 前向线性预测 2.3.2 后向线性预测 2.3.3 格形滤波器 2.4 bur9算法 2.4.1 bur9算法的基本概念 2.4.2 bur9算法存在的问题 2.4.3 改进的协方差算法 2.5 arma谱估计 2.5.1 噪声对ar谱估计的影响 2.5.2 ma谱估计的计算 2.5.3 arma谱估计的计算 2.6 扩展prony方法 2.7 多重信号分类法 2.7.1 相关矩阵的特征分解 2.7.2 基于信号子空间的频率估计 2.7.3 基于噪声子空间的频率估计 2.7.4 改进的多重信号分类法 本章小 更多 |
![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）