第一章 概率與隨機(jī)過程導(dǎo)論
1．1隨機(jī)事件
1．1．1隨機(jī)事件的概念
1．1．2隨機(jī)事件的概率
1．1．3條件概率與統(tǒng)計(jì)獨(dú)立
1．2隨機(jī)變量
1．2．1隨機(jī)變量的分布與密度函數(shù)
1．2．2常用的概率分布與密度函數(shù)
1．2．3隨機(jī)變量的獨(dú)立性
1．2．4隨機(jī)變量函數(shù)的概率密度
1．3期望、矩和特征函數(shù)
1．3．1數(shù)學(xué)期望
1．3．2隨機(jī)變量的矩
1．3．3特征函數(shù)
1．3．4復(fù)隨機(jī)變量及其數(shù)學(xué)特征

第一章  概率與隨機(jī)過程導(dǎo)論

  1．1隨機(jī)事件

  1．1．1隨機(jī)事件的概念

  1．1．2隨機(jī)事件的概率

  1．1．3條件概率與統(tǒng)計(jì)獨(dú)立

  1．2隨機(jī)變量

  1．2．1隨機(jī)變量的分布與密度函數(shù)

  1．2．2常用的概率分布與密度函數(shù)

  1．2．3隨機(jī)變量的獨(dú)立性

  1．2．4隨機(jī)變量函數(shù)的概率密度

  1．3期望、矩和特征函數(shù)

  1．3．1數(shù)學(xué)期望

  1．3．2隨機(jī)變量的矩

  1．3．3特征函數(shù)

  1．3．4復(fù)隨機(jī)變量及其數(shù)學(xué)特征

  1．4隨機(jī)過程

  1．4．1隨機(jī)過程的基本概念

  1．4．2平穩(wěn)隨機(jī)過程

  1．4．3各態(tài)歷經(jīng)過程

  1．5總體相關(guān)函數(shù)與功率譜密度

  1．5．1總體相關(guān)函數(shù)

  1．5．2相關(guān)函數(shù)的性質(zhì)

  1．5．3波形與頻譜的概念

  1．5．4平穩(wěn)過程的功率譜密度

  1．5．5線性系統(tǒng)對(duì)隨機(jī)信號(hào)的響應(yīng)

  本章小結(jié)

  習(xí)題

第二章  多維高斯過程

  2．1多維高斯分布

  2．1．1中心極限定理

  2．1．2高斯向量的密度函數(shù)

  2．1．3高斯向量的條件密度函數(shù)

  2．2高斯過程性質(zhì)與高斯白噪聲

  2．2．1高斯過程的主要性質(zhì)

  2．2．2高斯白噪聲的生成I

  2．3高斯過程理論的應(yīng)用實(shí)例

  2．3．1似然比檢測(cè)系統(tǒng)的基本概念

  2．3．2似然比檢測(cè)系統(tǒng)的結(jié)構(gòu)

  2．3．3匹配濾波器與白化濾波器

  2．3．4似然比檢測(cè)系統(tǒng)的信噪比計(jì)算

  本章小結(jié)

  習(xí)題

第三章  參數(shù)估計(jì)理論

  3．1參數(shù)估計(jì)的評(píng)價(jià)準(zhǔn)則

  3．1．1參數(shù)估計(jì)量的統(tǒng)計(jì)特性

  3．1．2Cramer—Rao下限

  3．2基于統(tǒng)計(jì)分布的參數(shù)估計(jì)算法

  3．2．1貝葉斯估計(jì)1

  3．2．2極大似然估計(jì)

  3．2．3數(shù)學(xué)期望最大算法

  3．3基于線性模型的參數(shù)估計(jì)算法

  3．3．1線性均方估計(jì)

  3．3．2最小均方自適應(yīng)算法

  3．3．3最小二乘估計(jì)

  本章小結(jié)

  習(xí)題

第四章  數(shù)學(xué)模型辨識(shí)

  4．1隨機(jī)數(shù)據(jù)預(yù)處理

  4．1．1連續(xù)時(shí)間信號(hào)的采樣

  4．1．2隨機(jī)序列的統(tǒng)計(jì)特性

  4．1．3波形基線修正與統(tǒng)計(jì)特性檢驗(yàn)

  4．2時(shí)間序列模型及其辨識(shí)方法

  4．2．1自回歸時(shí)間序列

  4．2．2滑動(dòng)平均時(shí)間序列

  4．2．3自回歸滑動(dòng)平均時(shí)間序列

  4．2．4時(shí)間序列模型的辨識(shí)方法

  4．3ARx模型的最小二乘估計(jì)

  4．3．1ARX模型的辨識(shí)方法

  4．3．2遞推最小二乘估計(jì)

  4．3．3廣義最小二乘估計(jì)

  本章小結(jié)

  習(xí)題

第五章  譜估計(jì)與小波分析

  5．1功率譜估計(jì)

  5．1．1非參數(shù)化譜估計(jì)

  5．1．2參數(shù)化譜估計(jì)

  5．1．3特殊ARMA模型與皮薩連柯譜估計(jì)

  5．1．4非高斯時(shí)間序列雙譜估計(jì)

  5．2小波變換

  5．2．1連續(xù)小波變換

  5．2．2連續(xù)小波變換的離散化

  5．3快速小波變換的理論框架

  5．3．1多分辨力信號(hào)分解

  5．3．2雙通道信號(hào)分解的理想重構(gòu)條件

  5．4快速小波變換的實(shí)現(xiàn)與應(yīng)用

  5．4．1雙正交濾波器組的設(shè)計(jì)方法

  5．4．2時(shí)間柵格加密與多孔算法

  5．4．3尺度函數(shù)與小波函數(shù)的求解

  5．4．4小波變換的應(yīng)用實(shí)例

  本章小結(jié)

  習(xí)題

第六章  最優(yōu)濾波與狀態(tài)估計(jì)

  6．1維納濾波器

  6．1．1波形估計(jì)的基本概念

  6．1．2連續(xù)時(shí)間維納濾波器

  6．1．3離散時(shí)間維納濾波器

  6．2自適應(yīng)橫向數(shù)字濾波器

  6．2．1LMS自適應(yīng)濾波器

  6．2．2RLS自適應(yīng)濾波器

  6．2．3DFT／DCT自適應(yīng)濾波器

  6．2．4約束LMS自適應(yīng)濾波器

  6．3自適應(yīng)濾波器的應(yīng)用實(shí)例

  6．3．1自適應(yīng)噪聲抵消器

  6．3．2自適應(yīng)譜線增強(qiáng)器

  6．3．3自適應(yīng)逆系統(tǒng)模擬器

  6．4狀態(tài)估計(jì)

  6．4．1一步最優(yōu)預(yù)估

  6．4．2卡爾曼濾波器

  6．4．3卡爾曼濾波器的應(yīng)用示例

  6．4．4廣義卡爾曼濾波器

  本章小結(jié)

  習(xí)題

參考文獻(xiàn)