为<<现代信号处理>>补充完整信息
【本书目录】
第一章 参数估计理论
1. 1 估计子的性能
1. 1. 1 无偏性
1. 1. 2 Cramer-Rao不等式
1. 1. 3 有效性
1. 1. 4 一致性
1. 2 Bayes估计
1. 3 最大似然估计
1. 4 线性均方估计
1. 5 最小二乘法
1. 5. 1 最小二乘估计
1. 5. 2 加权最小二乘估计
1. 6 区间估计
1. 6. 1 u的置信区间
1. 6. 2 u ／的置信区间
1. 7 递推估计
习题
第二章 信号检测
2. 1 假设检验
2. 2 似然比检验
2. 2. 1 最大后验概率准则
2. 2. 2 最小风险Bayes判决准则
2. 2. 3 最小错误概率准则
2. 2. 4 极小极大准则
2. 2, 5 Neyman-Pearson准则
2. 3 匹配滤波器
2. 4 广义匹配滤波器
2. 5 透视匹配滤波器和透视功率检测器
2. 5. 1 模型与定义
2. 5. 2 无脉冲情况下的确定性信号
2. 5. 3 有脉冲情况下的确定性信号
2. 5. 4 有脉冲情况下的随机信号
习题
第三章 波形估计
3. 1 均方估计
3. 2 波形估计的分类
3. 3 非因果维纳滤波器
3. 4 新息过程
3. 5 因果维纳滤波器
3. 6 卡尔曼滤波
3. 6. 1 基本原理
3. 6. 2 卡尔曼滤波器的分解
3. 6. 3 滤波器设计
习题
第四章 现代谱分析
4. 1 奇异值分解和总体最小二乘法
4. 1. 1 奇异值分解
4. 1. 2 总体最小二乘法
4. 2 平稳ARMA过程
4. 3 ARMA谱估计与建模
4. 3. 1 理论基础
4. 3. 2 ARMA谱分析方法
4. 3. 3 AR阶数确定和AR参数估计
4. 3. 4 MA阶数确定
4. 3. 5 MA谱参数与MA参数估计
4. 3. 6 AR有色噪声情况下的ARMA谱估计
4. 3. 7 ARMA过程自相关序列的计算
4. 4 最大熵法
4. 4. 1 Levinson递推
4. 4. 2 Burg算法
4. 4. 3 Burg最大熵法与AR过程
4. 4. 4 最大俯谱分析与ARMA过程
4. 4. 5 MEM2
4. 5 最大似然谱估计
4. 6 Pisarenko谐波分解法
4. 7 扩充的Prony方法
4. 8 MUSIC法
4. 9 谐波恢复的最大似然法
4. 10 谐波恢复的线性预测法
4. 11 ESPRIT方法
4. 11. 1 基本算法
4. 11. 2 拓广的算法
4. 11. 3 ESPRIT方法的SVD-TLS实现
习题
第五章 自适应滤波
5. 1 RLS自适应滤波器
5. 1. 1 基本RLS算法
5. 1. 2 RLS算法的性能
5. 1. 3 一种鲁棒的RLS算法
5. 2 LMS自适应滤波器
5. 2. 1 基本LMS算法
5. 2. 2 基本LMS算法的性能
5. 3 LMS自适应格型滤波器
5. 4 LS自适应格型滤波器
5. 4. 1 线性向量空间
5. 4. 2 最小二乘更新关系
5. 4. 3 前. 后向预测误差滤波器
5. 5 快速横向滤波器
5. 5. 1 向量空间关系
5. 5. 2 横向滤波器算子更新
5. 5. 3 快速横向滤波器时间更新
5. 5. 4 快速横向滤波器的基本算法
5. 5. 5 增益归一化快速横向滤波器
5. 6 自适应IIR滤波
5. 6. 1 自适应IIR滤波器的分类
5. 6. 2 基于梯度的方法
5. 6. 3 近似梯度法
5. 7 自适应谱线增强器
5. 7. 1 时域FIR自适应谱线增强器
5. 7. 2 基于IIR格型陷波器的自适应谱线增强器
习题
第六章 鲁棒参数估计与谱分析
6. 1 稳固性. 稳健性与异常值
6. 1. 1 稳固性与稳健性
6. 1. 2 崩溃点与影响曲线
6. 1. 3 异常值的分类
6. 1. 4 异常值的危害
6. 2 新息异常值模型的M估计
6. 3 广义M估计
6. 3. 1 AR模型的广义M估计
6. 3. 2 ARMA模型的广义M估计
6. 4 RA估计与TRA估计
6. 4. 1 基于残差自协方差的鲁棒估计(RA估计)
6. 4. 2 基于截尾残差自协方差的估计(TRA估计)
6. 5 递推广义M估计
6. 5. 1 完全观测ARMA过程的三阶段估计法
6. 5. 2 ARMA过程的预先估计
6. 5. 3 递推的广义M估计
6. 6 鲁棒非参数化谱估计
6. 6. 1 基本的鲁棒化
6. 6. 2 滤波型和平滑型数据净化器
6. 6. 3 谱估计的鲁棒-稳固性分析
6. 7 高分辨频率估计的鲁棒方法
6. 7. 1 鲁棒估计
6. 7. 2 鲁棒估计的分析
6. 7. 3 高分辨率分析
第七章 统计性能分析
7. 1 随机变量序列的收敛性
7. 1. 1 收敛性的定义
7. 1. 2 收敛性的相互关系
7. 2 收敛性的进一步分析
7. 2. 1 两个随机变量间的收敛关系
7. 2. 2 变换序列的收敛性
7. 2. 3 渐近正态性
7. 3 统计推断方法的渐近性
7. 4 样本均值的统计性能
7. 5 样本自相关的统计性能
7. 6 白噪声中的AR谱估计的统计性能
7. 6. 1 AR谱估计公式概述
7. 6, 2 参数估计值的渐近性能
7. 6. 3 谱密度估计值的渐近性能
7. 7 几乎肯定收敛速率
7. 7. 1 重对数律
7. 7. 2 样本自相关估计值的几乎肯定收敛速率
7. 7. 3 AR谱估计值的几乎肯定收敛速率
习题
第八章 二维信号处理
8. 1 二维系统的稳定性
8. 1. 1 线性移不变二维系统
8. 1. 2 稳定性问题
8. 1. 3 稳定性定理
8. 2 二维谱因子分解
8. 3 二维线性预测与AR谱估计
8. 3. 1 二维线性预测模型
8. 3. 2 二维AR谱估计
8. 4 二维最大熵谱估计的迭代算法
8. 4. 1 自相关匹配
8. 4. 2 Lim-Malik迭代算法
8. 5 二维最大熵谱估计的混合方法
8. 5. 1 混合方法的基本思想
8. 5. 2 最大熵算法
8. 5. 3 混合算法语估计值的性能分析
8. 6 二维ARMA谱估计与建模
8. 6. 1 AR参数估计方法
8. 6. 2 二维ARMA谱估计方法
8. 6. 3 二维MA参数估计
8. 7 二维谐波恢复
8. 7. 1 二维谐波恢复的理论基础
8. 7. 2 时域分析法
8. 7. 3 直接数据法
8. 8 二维自适应LMS算法
8. 8. 1 二维维纳滤波器
8. 8. 2 自适应权与调节算法
8. 8. 3 二维LMS算法和一维LMS算法之间的关系
习题
第九章 多元时间序列分析
9. 1 多元时间序列的二阶性质
9. 2 均值和协方差函数的估计
9. 3 多元ARMA过程
9. 3. 1 因果性和可逆性
9. 3. 2 多元模型的可辨识性
9. 3. 3 因果ARMA过程的协方差矩阵函数
9, 4 最佳线性预测
9. 5 多元AR过程的建模
9. 5. 1 矩阵算法
9. 5. 2 标量算法
9. 6 多元ARMA过程的建模
9. 6. 1 矩阵算法
9. 6. 2 标量算法
9. 7 自适应多信道最小二乘格型滤波器
9. 7. 1 多信道格型递推
9. 7. 2 基于QR分解的算法
9. 7. 3 算法实现
9. 8 互谱
习题
第十章 非高斯信号处理
10. 1 累积量
10. 1. 1 高阶短与高阶累积量的定义
10. 1. 2 高斯过程的高阶累积量
10. 1. 3 高阶累积量的性质
10. 2 非参数化双谱估计
10. 3 基于累积量的FIR系统辨识
10. 3. 1 法方程解法
10. 3. 2 闭式递推解
10. 3. 3 MA模型的定阶
10. 3. 4 实验结果
10. 4 非最小相位ARMA系统辨识
10. 4. 1 AR参数的可识别性
10. 4. 2 MA参数的估计
10. 4. 3 参数化多谱估计
10. 5 基于累积量的阶数确定
10. 5. 1 AR阶数确定
10. 5. 2 MA阶数确定
10. 5. 3 定阶方法的其它应用
10. 6 非因果系统的辨识
10. 6. 1 反因果AR建模
10. 6. 2 线性辨识方法
10. 6. 3 非线性辨识方法
10. 7 有色噪声中的谐波恢复
10. 7. 1 复值过程的累积量
10. 7. 2 谐波过程的累积量
10. 7. 3 高斯ARMA噪声中谐波恢复的几种方法
10. 7. 4 非高斯ARMA噪声中谐波恢复的两种方法
10. 8 基于累积量的参数自适应估计
10. 8, 1 MA模型参数估计的超定递推辅助变量法
10. 8. 2 随机梯度法
10. 9 非高斯噪声中非高斯信号的检测
10. 9. 1 假设与符号
10. 9. 2 Hinich-Wilson检测准则
10. 9. 3 检测试验的功效
10. 10 其它应用
10. 10. 1 阵列处理
10. 10. 2 分类
10. 10. 3 时延估计
10. 10. 4 盲反卷积与盲均衡
10. 10. 5 干扰对消
习题
第十一章 信号的时频分析
11. 1 基本概念
11. 2 短时傅里叶变换
11. 3 Gabor展开
11. 3. 1 连续Gabor展开
11. 3. 2 离散Gabor展开
11. 4 能量化和相关化的时频表示
11. 5 时频分布
11. 5. 1 连续时间时频分布
11. 5. 2 离散时间时频分布
11. 6 Wigner-Ville分布
11. 6. 1 定义与性质
11. 6. 2 瞬时频率和平均频率
11. 6. 3 离散Wigner-Ville分布的实现
11. 7 移不变时频表示与仿射时频表示
11. 7. 1 移不变时频表示及其分类
11. 7. 2 仿射时频表示与移位-尺度不变时频表示
11. 8 Wigner-Ville分布的应用
11. 8. 1 离散瞬时频率估计
11. 8. 2 随机信号分析
11. 8. 3 信号综合与时变滤波
11. 9 基于时频分析的信号检测
第十二章 小波分析
12. 1 STFT和小波变换的比较
12. 2 连续小波变换
12. 2. 1 连续STFT
12. 2. 2 连续小波变换
12. 3 离散变换(框架理论)
12. 3. 1 框架
12. 3, 2 框架与短时傅里叶变换
12. 3. 3 小波框架
12. 4 正交基
12. 4. 1 正交基和短时傅里叶变换
12. 4. 2 正交小波基
12. 5 多分辨率分析
12. 5. 1 一维信号的多分辨串逼近
12. 5. 2 Mallat算法
12. 5. 3 二维多分辨率分析与Mallat算法
12. 6 小波与FIR滤波器组
12. 6. 1 FIR滤波器组与紧支集小波
12. 6. 2 由滤波器组构造的正交小波基
12. 6. 3 一般的FIR完全重构滤波器组和双正交小波
12. 6. 4 滤波器设计
12. 7 小波与IIR滤波器组
12. 7. 1 正交IIR滤波器组
12. 7. 2 具有矩性质的小波
12. 7. 3 线性相位正交IIR解
12. 8 时域滤波器组分析
12. 8. 1 时域分析
12. 8. 2 时域条件的解释
12. 8. 3 设计方法
12. 8. 4 设计例子
12. 9 小波在信号处理中的应用
参考文献
附录
附录A Schwartz不等式
附录B Chebyshev不等式
附录C 具有对称性的滤波器
附录D 全通滤波器
索引
