目 錄
第1章 緒論\t1
1．1 信號(hào)概述\t1
1．2 信號(hào)的表示\t2
1．3 信號(hào)的分類\t2
1．4 信號(hào)分析與處理\t4
第2章 連續(xù)時(shí)間信號(hào)分析\t6
2．1 連續(xù)時(shí)間信號(hào)的時(shí)域分析\t6
2．1．1 基本的連續(xù)時(shí)間信號(hào)\t6
2．1．2 連續(xù)時(shí)間信號(hào)的運(yùn)算\t11
2．1．3 連續(xù)時(shí)間信號(hào)的分解\t13
2．1．4 連續(xù)時(shí)間信號(hào)的時(shí)域分析方法――卷積法\t15
2．2 周期信號(hào)的頻譜分析\t18
2．2．1 正交函數(shù)\t19
2．2．2 傅里葉級(jí)數(shù)\t23
2．2．3 典型周期信號(hào)的傅里葉級(jí)數(shù)\t27
2．2．4 吉布斯現(xiàn)象\t31
2．3 非周期信號(hào)的頻譜分析\t35
2．3．1 傅里葉變換\t35
2．3．2 典型非周期信號(hào)的頻譜\t37
2．3．3 傅里葉變換的性質(zhì)\t41
2．3．4 周期信號(hào)的傅里葉變換\t55
2．4 抽樣信號(hào)的傅里葉分析\t58
2．4．1 時(shí)域抽樣\t58
2．4．2 抽樣定理\t61
小結(jié)\t63
2．5 習(xí)題\t63
第3章 離散時(shí)間信號(hào)分析\t67
3．1 離散時(shí)間信號(hào)\t67
3．1．1 離散時(shí)間信號(hào)（序列）\t67
3．1．2 序列的運(yùn)算\t68
3．1．3 基本序列\(zhòng)t71
3．2 序列的z變換\t73
3．2．1 z變換的定義\t73
3．2．2 z變換的收斂域\t73
3．3 序列的頻譜分析――離散時(shí)間傅里葉變換（DTFT）\t76
3．3．1 定義\t76
3．3．2 物理意義\t77
3．3．3 特點(diǎn)\t77
3．3．4 離散時(shí)間傅里葉變換（DTFT）存在的條件\t79
3．4 周期序列的頻譜分析――離散傅里葉級(jí)數(shù)（DFS）\t80
3．4．1 傅里葉變換在時(shí)域和頻域中的對(duì)稱規(guī)律\t80
3．4．2 離散傅里葉級(jí)數(shù)（DFS）\t81
3．5 離散傅里葉變換（DFT）\t83
3．5．1 離散傅里葉變換（DFT）的定義式\t83
3．5．2 離散傅里葉變換（DFT）與離散時(shí)間傅里葉變換（DTFT）的關(guān)系\t86
3．5．3 離散傅里葉變換（DFT）的性質(zhì)\t89
3．6 快速傅里葉變換（FFT）\t97
3．6．1 直接按離散傅里葉變換（DFT）運(yùn)算的問(wèn)題及其改進(jìn)思路\t97
3．6．2 基2按時(shí)間抽取的快速傅里葉變換（FFT）算法（時(shí)析型）\t99
3．7 離散傅里葉變換（DFT）的應(yīng)用\t106
3．7．1 用快速傅里葉變換（FFT）實(shí)現(xiàn)快速卷積\t106
3．7．2 用離散傅里葉變換（DFT）逼近連續(xù)信號(hào)的頻譜\t110
3．7．3 二維離散傅里葉變換（2D-DFT）\t115
小結(jié)\t116
3．8 習(xí)題\t116
第4章 模擬濾波器\t119
4．1 模擬濾波器的基本概念及設(shè)計(jì)方法\t119
4．1．1 模擬濾波器的基本概念\t119
4．1．2 無(wú)失真?zhèn)鬏擻t119
4．1．3 濾波器的理想特性與實(shí)際特性\t121
4．1．4 模擬濾波器的一般設(shè)計(jì)方法\t123
4．2 模擬濾波器的設(shè)計(jì)\t125
4．2．1 Butterworth（巴特沃思）濾波器（最平響應(yīng)特性濾波器）的設(shè)計(jì)\t125
4．2．2 Chebyshev（切比雪夫）濾波器（通帶等波紋濾波器）的設(shè)計(jì)\t131
4．2．3 頻率變換\t141
小結(jié)\t147
4．3 習(xí)題\t147
第5章 數(shù)字濾波器\t148
5．1 數(shù)字濾波器的基本概念\t148
5．2 IIR數(shù)字濾波器的設(shè)計(jì)\t151
5．2．1 引言\t151
5．2．2 沖激響應(yīng)不變法\t152
5．2．3 雙線性變換法\t157
5．2．4 其他類型（高通、帶通、帶阻）IIR數(shù)字濾波器的設(shè)計(jì)\t161
5．3 FIR數(shù)字濾波器的設(shè)計(jì)\t162
5．3．1 線性相位FIR數(shù)字濾波器的特點(diǎn)\t162
5．3．2 窗函數(shù)法設(shè)計(jì)FIR數(shù)字濾波器\t171
5．3．3 頻率抽樣法設(shè)計(jì)FIR數(shù)字濾波器\t181
5．3．4 IIR數(shù)字濾波器與FIR數(shù)字濾波器的比較\t185
5．4 數(shù)字濾波器的結(jié)構(gòu)\t186
5．4．1 數(shù)字濾波器結(jié)構(gòu)的表示方法\t186
5．4．2 IIR數(shù)字濾波器的結(jié)構(gòu)\t187
5．4．3 FIR數(shù)字濾波器的結(jié)構(gòu)\t189
小結(jié)\t194
5．5 習(xí)題\t194
第6章 隨機(jī)信號(hào)分析\t196
6．1 隨機(jī)信號(hào)的時(shí)域分析\t196
6．1．1 隨機(jī)過(guò)程的基本概念\t196
6．1．2 隨機(jī)過(guò)程的統(tǒng)計(jì)描述\t198
6．1．3 隨機(jī)過(guò)程的微積分\t200
6．1．4 平穩(wěn)隨機(jī)過(guò)程\t201
6．1．5 各態(tài)歷經(jīng)性\t203
6．1．6 平穩(wěn)隨機(jī)過(guò)程相關(guān)函數(shù)的性質(zhì)\t204
6．1．7 離散隨機(jī)過(guò)程的數(shù)字特征及其估計(jì)\t205
6．1．8 高斯隨機(jī)過(guò)程\t208
6．2 隨機(jī)信號(hào)的頻域分析\t209
6．2．1 隨機(jī)過(guò)程的譜密度\t209
6．2．2 白噪聲\t212
6．2．3 功率譜估計(jì)\t214
6．3 平穩(wěn)隨機(jī)信號(hào)通過(guò)線性系統(tǒng)的分析\t216
6．3．1 平穩(wěn)隨機(jī)信號(hào)通過(guò)線性連續(xù)系統(tǒng)的分析\t217
6．3．2 平穩(wěn)隨機(jī)序列通過(guò)線性離散系統(tǒng)的分析\t219
6．3．3 多個(gè)隨機(jī)信號(hào)通過(guò)線性系統(tǒng)的分析\t220
小結(jié)\t221
6．4 習(xí)題\t221
第7章 自適應(yīng)濾波\t223
7．1 最優(yōu)波形估計(jì)\t223
7．1．1 最優(yōu)波形估計(jì)概述\t223
7．1．2 投影定理\t225
7．1．3 線性最優(yōu)濾波\t226
7．2 Wiener（維納）濾波\t227
7．2．1 Wiener（維納）濾波與Wiener-Hopf（維納-霍普夫）方程\t227
7．2．2 FIR Wiener（維納）濾波器\t228
7．3 Kalman（卡爾曼）濾波\t229
7．3．1 狀態(tài)估計(jì)與Kalman（卡爾曼）濾波\t229
7．3．2 Kalman（卡爾曼）濾波遞推算法\t229
7．4 自適應(yīng)濾波器的原理\t233
7．4．1 自適應(yīng)濾波器的基本概念\t233
7．4．2 均方誤差與下降算法\t234
7．5 最小均方（LMS）自適應(yīng)算法\t235
7．5．1 最速下降與最小均方（LMS）算法\t235
7．5．2 歸一化最小均方（LMS）算法\t238
7．5．3 分塊最小均方（LMS）算法\t240
7．6 遞推最小二乘（RLS）自適應(yīng)算法\t240
7．6．1 最小二乘法\t240
7．6．2 遞推最小二乘（RLS）算法\t241
小結(jié)\t245
7．7 習(xí)題\t245
第8章 時(shí)頻分析與小波變換\t247
8．1 時(shí)頻分析\t247
8．1．1 時(shí)頻分析概述\t247
8．1．2 短時(shí)傅里葉變換（STFT）\t249
8．1．3 Wigner-Ville（維格納-維爾）分布\t252
8．2 小波變換\t255
8．2．1 空間與基的概念\t255
8．2．2 連續(xù)小波變換\t258
8．2．3 離散小波變換\t264
8．2．4 多分辨率分析\t267
8．2．5 小波變換的應(yīng)用\t271
小結(jié)\t277
8．3 習(xí)題\t277
附錄A MATLAB信號(hào)處理常用函數(shù)表\t278
參考文獻(xiàn)\t282