普通高等学校仪器科学与技术专业系列教材 现代信号分析与处理
卜雄洙,吴键,牛杰编著
1 (p1): 第1章 绪论
1 (p1-1): 1.1 现代信号分析的目的与意义
3 (p1-2): 1.2 信号分析基础
3 (p1-2-1): 1.2.1 随机矢量正交
3 (p1-2-2): 1.2.2 内积空间与正交分解
4 (p1-2-3): 1.2.3 正交投影定理
5 (p1-3): 参考文献
6 (p2): 第2章 随机信号分析与处理基础
6 (p2-1): 2.1 引言
7 (p2-2): 2.2 随机信号的描述
7 (p2-2-1): 2.2.1 随机信号及其统计描述
9 (p2-2-2): 2.2.2 随机信号的数字特征
10 (p2-3): 2.3 平稳随机信号
11 (p2-3-1): 2.3.1 随机信号的各态历经性
12 (p2-3-2): 2.3.2 各态历经平稳随机信号自相关函数的性质
15 (p2-4): 2.4 随机信号的联合概率分布和互相关函数
15 (p2-4-1): 2.4.1 两个随机信号的联合概率分布
16 (p2-4-2): 2.4.2 互相关函数及其性质
18 (p2-5): 2.5 正态随机信号
18 (p2-5-1): 2.5.1 正态随机信号的定义
18 (p2-5-2): 2.5.2 平稳正态随机信号
19 (p2-6): 2.6 随机信号的分类与频域描述
19 (p2-6-1): 2.6.1 随机信号的分类
20 (p2-6-2): 2.6.2 随机信号的频域特征
23 (p2-7): 2.7 随机信号通过线性系统的分析
23 (p2-7-1): 2.7.1 平稳随机信号通过线性系统
29 (p2-7-2): 2.7.2 非平稳随机信号通过线性系统
32 (p2-7-3): 2.7.3 随机信号通过非线性系统
34 (p2-8): 2.8 随机信号模型
34 (p2-8-1): 2.8.1 谱分解定理与平稳随机信号模型分类
37 (p2-8-2): 2.8.2 AR模型
37 (p2-8-3): 2.8.3 MA模型
38 (p2-8-4): 2.8.4 ARMA模型
39 (p2-8-5): 2.8.5 平稳随机过程3类模型之间的关系
41 (p2-9): 参考文献
42 (p3): 第3章 功率谱估计
42 (p3-1): 3.1 引言
45 (p3-2): 3.2 经典谱估计
45 (p3-2-1): 3.2.1 自相关函数的估计及BT法
48 (p3-2-2): 3.2.2 周期图作为功率谱的估计
53 (p3-2-3): 3.2.3 经典谱估计改进方法
58 (p3-3): 3.3 现代谱估计
58 (p3-3-1): 3.3.1 自回归模型法
60 (p3-3-2): 3.3.2 MA模型法和ARMA模型法
64 (p3-4): 3.4 最大熵谱估计法
64 (p3-4-1): 3.4.1 最大熵谱估计法的基本思想及其与线性预测AR模型法的等价性
67 (p3-4-2): 3.4.2 Levinson-Durbin递推算法
70 (p3-5): 3.5 预测误差格型滤波器及伯格递推算法
70 (p3-5-1): 3.5.1 预测误差格型滤波器
74 (p3-5-2): 3.5.2 Burg递推算法——Kp的确定
78 (p3-5-3): 3.5.3 关于AR模型阶次的选择
80 (p3-6): 参考文献
81 (p4): 第4章 维纳滤波与卡尔曼滤波
81 (p4-1): 4.1 引言
82 (p4-2): 4.2 匹配滤波器
82 (p4-2-1): 4.2.1 匹配滤波器的原理
84 (p4-2-2): 4.2.2 匹配滤波器单位冲激响应
85 (p4-2-3): 4.2.3 匹配滤波器输出
85 (p4-3): 4.3 维纳滤波器
85 (p4-3-1): 4.3.1 离散维纳滤波器的时域解
88 (p4-3-2): 4.3.2 离散维纳滤波器的z域解
95 (p4-3-3): 4.3.3 维纳预测器
95 (p4-3-4): 4.3.4 维纳预测器的计算公式
97 (p4-3-5): 4.3.5 纯预测器
99 (p4-3-6): 4.3.6 一步线性预测器
101 (p4-3-7): 4.3.7 FIR维纳滤波器的MATLAB仿真
103 (p4-4): 4.4 卡尔曼滤波器
103 (p4-4-1): 4.4.1 离散状态方程及其解
104 (p4-4-2): 4.4.2 量测方程
106 (p4-4-3): 4.4.3 卡尔曼滤波器的递推算法
110 (p4-4-4): 4.4.4 卡尔曼滤波的MATLAB实现
113 (p4-5): 参考文献
114 (p5): 第5章 自适应滤波器
114 (p5-1): 5.1 引言
114…
1 (p1-1): 1.1 现代信号分析的目的与意义
3 (p1-2): 1.2 信号分析基础
3 (p1-2-1): 1.2.1 随机矢量正交
3 (p1-2-2): 1.2.2 内积空间与正交分解
4 (p1-2-3): 1.2.3 正交投影定理
5 (p1-3): 参考文献
6 (p2): 第2章 随机信号分析与处理基础
6 (p2-1): 2.1 引言
7 (p2-2): 2.2 随机信号的描述
7 (p2-2-1): 2.2.1 随机信号及其统计描述
9 (p2-2-2): 2.2.2 随机信号的数字特征
10 (p2-3): 2.3 平稳随机信号
11 (p2-3-1): 2.3.1 随机信号的各态历经性
12 (p2-3-2): 2.3.2 各态历经平稳随机信号自相关函数的性质
15 (p2-4): 2.4 随机信号的联合概率分布和互相关函数
15 (p2-4-1): 2.4.1 两个随机信号的联合概率分布
16 (p2-4-2): 2.4.2 互相关函数及其性质
18 (p2-5): 2.5 正态随机信号
18 (p2-5-1): 2.5.1 正态随机信号的定义
18 (p2-5-2): 2.5.2 平稳正态随机信号
19 (p2-6): 2.6 随机信号的分类与频域描述
19 (p2-6-1): 2.6.1 随机信号的分类
20 (p2-6-2): 2.6.2 随机信号的频域特征
23 (p2-7): 2.7 随机信号通过线性系统的分析
23 (p2-7-1): 2.7.1 平稳随机信号通过线性系统
29 (p2-7-2): 2.7.2 非平稳随机信号通过线性系统
32 (p2-7-3): 2.7.3 随机信号通过非线性系统
34 (p2-8): 2.8 随机信号模型
34 (p2-8-1): 2.8.1 谱分解定理与平稳随机信号模型分类
37 (p2-8-2): 2.8.2 AR模型
37 (p2-8-3): 2.8.3 MA模型
38 (p2-8-4): 2.8.4 ARMA模型
39 (p2-8-5): 2.8.5 平稳随机过程3类模型之间的关系
41 (p2-9): 参考文献
42 (p3): 第3章 功率谱估计
42 (p3-1): 3.1 引言
45 (p3-2): 3.2 经典谱估计
45 (p3-2-1): 3.2.1 自相关函数的估计及BT法
48 (p3-2-2): 3.2.2 周期图作为功率谱的估计
53 (p3-2-3): 3.2.3 经典谱估计改进方法
58 (p3-3): 3.3 现代谱估计
58 (p3-3-1): 3.3.1 自回归模型法
60 (p3-3-2): 3.3.2 MA模型法和ARMA模型法
64 (p3-4): 3.4 最大熵谱估计法
64 (p3-4-1): 3.4.1 最大熵谱估计法的基本思想及其与线性预测AR模型法的等价性
67 (p3-4-2): 3.4.2 Levinson-Durbin递推算法
70 (p3-5): 3.5 预测误差格型滤波器及伯格递推算法
70 (p3-5-1): 3.5.1 预测误差格型滤波器
74 (p3-5-2): 3.5.2 Burg递推算法——Kp的确定
78 (p3-5-3): 3.5.3 关于AR模型阶次的选择
80 (p3-6): 参考文献
81 (p4): 第4章 维纳滤波与卡尔曼滤波
81 (p4-1): 4.1 引言
82 (p4-2): 4.2 匹配滤波器
82 (p4-2-1): 4.2.1 匹配滤波器的原理
84 (p4-2-2): 4.2.2 匹配滤波器单位冲激响应
85 (p4-2-3): 4.2.3 匹配滤波器输出
85 (p4-3): 4.3 维纳滤波器
85 (p4-3-1): 4.3.1 离散维纳滤波器的时域解
88 (p4-3-2): 4.3.2 离散维纳滤波器的z域解
95 (p4-3-3): 4.3.3 维纳预测器
95 (p4-3-4): 4.3.4 维纳预测器的计算公式
97 (p4-3-5): 4.3.5 纯预测器
99 (p4-3-6): 4.3.6 一步线性预测器
101 (p4-3-7): 4.3.7 FIR维纳滤波器的MATLAB仿真
103 (p4-4): 4.4 卡尔曼滤波器
103 (p4-4-1): 4.4.1 离散状态方程及其解
104 (p4-4-2): 4.4.2 量测方程
106 (p4-4-3): 4.4.3 卡尔曼滤波器的递推算法
110 (p4-4-4): 4.4.4 卡尔曼滤波的MATLAB实现
113 (p4-5): 参考文献
114 (p5): 第5章 自适应滤波器
114 (p5-1): 5.1 引言
114…
Year:
2018
Edition:
2018
Publisher:
北京:清华大学出版社
Language:
Chinese
ISBN 10:
7302496935
ISBN 13:
9787302496939
File:
PDF, 45.37 MB
IPFS:
,
Chinese, 2018