现代数字信号处理 (2010 年度畅销榜NO.6407 )

本书全面、系统、深人地讨论了现代数字信号处理的理论、设计和应用。全书由自成体系而又有联系的八章组成，分别论及统计信号处理基础，维纳和卡尔曼滤波器，自适应滤波器，现代功率谱估计，同态信号处理，高阶谱估计，小波分析，以及人工神经网络信号处理。\r\n\r\n 本书适合于信息与通信工程学科各专业及相近专业的研究生和专业人员用作教材或参考书。\r\n
\r\n

第一章 基础知识 \r\n\r\n 1. 1 随机矢量 \r\n\r\n 1. 2 相关抵消 \r\n\r\n 1. 3 Gram-Schmidt正交化 \r\n\r\n 1. 3. 1 基本定义 \r\n\r\n 1. 3. 2 正交投影定理和Gram-Schmidt正交化 \r\n\r\n 1. 3. 3 新息 \r\n\r\n 1. 4 偏相关系数(PARCOR系数) \r\n\r\n 1. 5 功率谱和周期图 \r\n\r\n 1. 6 谱分解 \r\n\r\n 1. 6. 1 最小相位序列 \r\n\r\n 1. 6. 2 部分能量和最小时延 \r\n\r\n 1. 6. 3 自相关函数的不变性 \r\n\r\n 1. 6. 4 最小时延性质 \r\n\r\n 1. 6. 5 最小相位性质 \r\n\r\n 1. 6. 6 谱分解定理 \r\n\r\n 1. 7 信号的参数模型 \r\n\r\n 习题 \r\n\r\n 参考文献 \r\n\r\n 第二章 维纳滤波和卡尔曼滤波 \r\n\r\n 2. 1 维纳滤波的标准方程 \r\n\r\n 2. 2 维纳-霍夫方程的求解 \r\n\r\n 2. 2. 1 FIR维纳滤波器 \r\n\r\n 2. 2. 2 非因果FIR维纳滤波器 \r\n\r\n 2. 2. 3 因果IIR维纳滤波器 \r\n\r\n 2. 3 维纳滤波的均方误差 \r\n\r\n 2. 4 因果IIR维纳滤波器的设计与计算 \r\n\r\n 2. 5 标量卡尔曼滤波器 \r\n\r\n 2. 6 矢量卡尔曼滤波器 \r\n\r\n 2. 6. 1 信号矢量和数据矢量 \r\n\r\n 2. 6. 2 矢量卡尔曼滤波器的递推计算公式 \r\n\r\n 2. 7 维纳滤波和卡尔曼滤波的计算和应用举例 \r\n\r\n 2. 7. 1 维纳滤波器 \r\n\r\n 2. 7. 2 卡尔曼滤波器 \r\n\r\n 复习思考题 \r\n\r\n 习题 \r\n\r\n 参考文献 \r\n\r\n 第三章 自适应滤波器 \r\n\r\n 3. 1 自适应滤波原理 \r\n\r\n 3. 2 自适应线性组合器 \r\n\r\n 3. 3 均方误差性能曲面 \r\n\r\n 3. 4 二次性能曲面的基本性质 \r\n\r\n 3. 5 最陡下降法 \r\n\r\n 3. 6 学习曲线和收敛速度 \r\n\r\n 3. 7 自适应的最小均方(LMS)算法 \r\n\r\n 3. 8 权矢量噪声 \r\n\r\n 3. 9 失调量 \r\n\r\n 3. 10 自适应的递归最小二乘方(RLS)算法 \r\n\r\n 3. 11 IIR递推结构自适应滤波器的LMS算法 \r\n\r\n 3. 12 自适应滤波器计算举例 \r\n\r\n 3. 13 自适应滤波器的数字实现 \r\n\r\n 3. 13. 1 LMS算法自适应滤波器的直接实现 \r\n\r\n 3. 13. 2 分布运算自适应滤波器 \r\n\r\n 3. 13. 3 余数制自适应滤波器 \r\n\r\n 3. 14 最小二乘自适应滤波器 \r\n\r\n 3. 14. 1 最小二乘滤波器的矢量空间分析 \r\n\r\n 3. 14. 2 投影矩阵和正交投影矩阵 \r\n\r\n 3. 14. 3 时间更新 \r\n\r\n 3. 15 最小二乘格形(LSL)自适应算法 \r\n\r\n 3. 15. 1 前向预测和后向预测 \r\n\r\n 3. 15. 2 预测误差滤波器的格形结构 \r\n\r\n 3. 15. 3 LSL自适应算法 \r\n\r\n 3. 15. 4 LSL自适应算法的性能 \r\n\r\n 3. 16 快速横向滤波(FTF)自适应算法 \r\n\r\n 3. 16. 1 FTF算法涉及到的4个横向滤波器 \r\n\r\n 3. 16. 2 横向滤波算子的时间更新 \r\n\r\n 3. 16. 3 FTF自适应算法中的时间更新关系 \r\n\r\n 3. 16. 4 FTF自适应算法流程 \r\n\r\n 3. 16. 5 FTF自适应算法的性能 \r\n\r\n 3. 16. 6 FTF算法计算量的进一步减少 \r\n\r\n 3. 17 自适应滤波器的应用 \r\n\r\n 3. 17. 1 自适应系统模拟和辨识 \r\n\r\n 3. 17. 2 自适应逆滤波 \r\n\r\n 3. 17. 3 自适应干扰抵消 \r\n\r\n 3. 17. 4 自适应预测 \r\n\r\n 复习思考题 \r\n\r\n 习题 \r\n\r\n 参考文献 \r\n\r\n 第四章 功率谱估计的现代方法 \r\n\r\n 4. 1 从经典谱估计到现代谱估计 \r\n\r\n 4. 2 谱估计的参数模型方法 \r\n\r\n 4. 3 AR模型的Yule-Walker方程 \r\n\r\n 4. 4 Levinson-Durbin算法 \r\n\r\n 4. 5 AR模型的稳定性及其阶的确定 \r\n\r\n 4. 6 AR谱估计的性质 \r\n\r\n 4. 6. 1 AR谱估计隐含着自相关函数的外推 \r\n\r\n 4. 6. 2 AR谱估计与最大熵谱估计等效 \r\n\r\n 4. 6. 3 AR谱估计与线性预测谱估计等效 \r\n\r\n 4. 6. 4 AR谱估计等效于最佳白化处理 \r\n\r\n 4. 6. 5 AR谱估计的界 \r\n\r\n 4. 7 格形滤波器 \r\n\r\n 4. 8 AR模型参数提取方法 \r\n\r\n 4. 8. 1 Yule-Walker法 \r\n\r\n 4. 8. 2 协方差法 \r\n\r\n 4. 8. 3 Burg法 \r\n\r\n 4. 9 AR谱估计的异常现象及其补救措施 \r\n\r\n 4. 9. 1 虚假谱峰 \r\n\r\n 4. 9. 2 谱线分裂 \r\n\r\n 4. 9. 3 噪声对AR谱估计的影响 \r\n\r\n 4. 10 MA和ARMA模型谱估计 \r\n\r\n 4. 10. 1 MA模型谱估计 \r\n\r\n 4. 10. 2 ARMA模型谱估计 \r\n\r\n 4. 11 白噪声中正弦波频率的估计 \r\n\r\n 4. 11. 1 最大似然法 \r\n\r\n 4. 11. 2 修正协方差AR谱估计方法 \r\n\r\n 4. 11. 3 特征分解频率估计 \r\n\r\n 1. 11. 4 信号子空间频率估计 \r\n\r\n 4. 11. 5 噪声子空间频率估计 \r\n\r\n 复习思考题 \r\n\r\n 习题 \r\n\r\n 参考文献 \r\n\r\n 第五章 同态信号处理 \r\n\r\n 5. 1 广义叠加原理 \r\n\r\n 5. 2 乘法同态系统 \r\n\r\n 5. 3 卷积同态系统 \r\n\r\n 5. 4 复倒谱定义 \r\n\r\n 5. 4. 1 复对数的多值性问题 \r\n\r\n 5. 4. 2 X(z)的解析性问题 \r\n\r\n 5. 5 复倒谱的性质 \r\n\r\n 5. 6 复倒谱的计算方法 \r\n\r\n 5. 6. 1 按复倒谱定义计算 \r\n\r\n 5. 6. 2 最小相位序列的复倒谱的计算 \r\n\r\n 5. 6. 3 复对数求导数计算法 \r\n\r\n 5. 6. 4 递推计算方法 \r\n\r\n 复习思考题 \r\n\r\n 习题 \r\n\r\n 参考文献 \r\n\r\n 第六章 高阶谱分析 \r\n\r\n 6. 1 三阶相关和双谱的定义及其性质 \r\n\r\n 6. 2 累量和多谱的定义及其性质 \r\n\r\n 6. 2. 1 随机变量的累量 \r\n\r\n 6. 2. 2 随机过程的累量 \r\n\r\n 6. 2. 3 多谱的定义 \r\n\r\n 6. 2. 4 累量和多谱的性质 \r\n\r\n 6. 3 累量和多谱估计 \r\n\r\n 6. 4 基于高阶谱的相位谱估计 \r\n\r\n 6. 5 基于高阶谱的模型参数估计 \r\n\r\n 6. 5. 1 AR模型参数估计 \r\n\r\n 6. 5. 2 MA模型参数估计 \r\n\r\n 6. 5. 3 ARMA模型参数估计 \r\n\r\n 6. 6 利用高阶谱确定模型的阶 \r\n\r\n 6. 7 多谱的应用 \r\n\r\n 复习思考题 \r\n\r\n 习题 \r\n\r\n 参考文献 \r\n\r\n 第七章 小波分析 \r\n\r\n 7. 1 窗口傅里叶变换--时频定位概念 \r\n\r\n 7. 2 连续小波变换 \r\n\r\n 7. 3 连续小波变换的逆变换公式 \r\n\r\n 7. 4 尺度和时移参数的离散化 \r\n\r\n 7. 5 小波框架 \r\n\r\n 7. 5. 1 框架的一般概念 \r\n\r\n 7. 5. 2 小波框架的必要条件和充分条件 \r\n\r\n 7. 5. 3 小波框架的对偶 \r\n\r\n 7. 6 标准正交小波基 \r\n\r\n 7. 7 多分辨率分析 \r\n\r\n 7. 7. 1 多分辨率分析的基本思想 \r\n\r\n 7. 7. 2 多分辨宰分析的定义 \r\n\r\n 7. 8 标准正交小波基的构造 \r\n\r\n 7. 8. 1 信号空间L2(R)的分解 \r\n\r\n 7. 8. 2 尺度函数 \r\n\r\n 7. 8. 3 正交小波基的构造 \r\n\r\n 7. 9 标准正交小波基举例 \r\n\r\n 7. 10 计算小波级数系数的塔式算法--Mallat算法 \r\n\r\n 7. 11 离散小波变换的快速算法 \r\n\r\n 7. 11. 1 离散时间小波 \r\n\r\n 7. 11. 2 A Trous算法 \r\n\r\n 7. 11. 3 Mallat算法 \r\n\r\n 7. 12 离散时间信号多分辨率分析理论 \r\n\r\n 7. 12. 1 离散时间尺度 \r\n\r\n 7. 12. 2 离散时间分辨率 \r\n\r\n 7. 12. 3 多分辨率逼近的细节信号 \r\n\r\n 7. 12. 4 塔式变换 \r\n\r\n 7. 12. 5 离散小波变换 \r\n\r\n 7. 12. 6 时间多分辨率分析 \r\n\r\n 7. 12. 7 计算DWT的双通道滤波器的设计 \r\n\r\n 7. 12. 8 小波的双正交性和正交性 \r\n\r\n 7. 13 正交小波包 \r\n\r\n 7. 14 小波分析在信号处理中的应用 \r\n\r\n 7. 14. 1 图像信号的小波变换 \r\n\r\n 7. 14. 2 声音信号的听觉表示 \r\n\r\n 复习思考题 \r\n\r\n 习题 \r\n\r\n 参考文献 \r\n\r\n 第八章 神经网络信号处理 \r\n\r\n 8. 1 神经网络模型 \r\n\r\n 8. 1. 1 生物神经元及其模型 \r\n\r\n 8. 1. 2 人工神经网络模型 \r\n\r\n 8. 1. 3 神经网络的学习方式 \r\n\r\n 8. 2 多层前向网络及其学习算法 \r\n\r\n 8. 2. 1 单层前向网络的分类能力 \r\n\r\n 8. 2. 2 多层前向网络的非线性映射能力 \r\n\r\n 8. 2. 3 权值计算--矢量外积算法 \r\n\r\n 8. 2. 4 有导师学习法--误差修正法 \r\n\r\n 8. 3 反馈网络及其能量函数 \r\n\r\n 8. 3. 1 非线性动态系统的稳定性 \r\n\r\n 8. 3. 2 离散型Hopfield单层反馈网络 \r\n\r\n 8. 3. 3 连续型Hopheld单层反馈网络 \r\n\r\n 8. 3. 4 随机型和复合型反馈网络 \r\n\r\n 8. 4 自组织神经网络 \r\n\r\n 8. 4. 1 自组织聚类 \r\n\r\n 8. 4. 2 自组织特征映射 \r\n\r\n 8. 4. 3 自组织主元分析 \r\n\r\n 8. 5 神经网络在信号处理中的应用 \r\n\r\n 复习思考题 \r\n\r\n 习题 \r\n\r\n 参考文献 \r\n\r\n 第四章附录 \r\n\r\n 附录4. 1 关于现代谱估计程序的说明 \r\n\r\n 附录4. 2 GLOBAL \r\n\r\n 附录4. 3 CORRELATION \r\n\r\n 附录4. 4 PREFFT \r\n\r\n 附录4. 5 FFT \r\n\r\n 附录4. 6 LEVINSON \r\n\r\n 附录4. 7 YULEWALK \r\n\r\n 附录4. 8 COVAR \r\n\r\n 附录4. 9 BURG \r\n\r\n 附录4. 10 MODCOVAR \r\n\r\n 附录4. 11 MA \r\n\r\n 附录4. 12 ARMA \r\n\r\n 附录4. 13 CSVD \r\n\r\n 附录4. 14 MUSIC \r\n\r\n 第六章 附录 \r\n\r\n 附录6. 1 累量与矩的关系 \r\n\r\n 附录6. 2 随机信号通过线性系统后的累量 \r\n\r\n 附录6. 3 奇异值分解 \r\n\r\n 第七章 附录 \r\n\r\n 附录7. 1 式(7. 23)的证明 \r\n\r\n 附录7. 2 式(7. 79)的证明 \r\n\r\n 附录7. 3 式(7. 83)的证明 \r\n\r\n 附录7. 4 一维离散小波变换及其逆变换程序 \r\n\r\n 附录7. 5 二维离散小波变换及其逆变换程序 \r\n\r\n 附录7. 6 二维离散正交小波变换及其逆变换程序 \r\n\r\n 第八章 附录 \r\n\r\n 附录8. 1 离散型误差修正学习算法的收敛性 \r\n\r\n 附录8. 2 离散型单元的学习算法 \r\n\r\n 附录8. 3 S型单元的LMS算法 \r\n\r\n 附录8. 4 多层前向网络的BP学习算法 \r\n\r\n 附录8. 5 多层前向网络的模拟退火算法 \r\n\r\n 部分习题参考答案 \r\n\r\n 索 引 \r\n
\r\n

本教材系按原电子工业部(现信息产业部)的《1996～2000年全国电子信息类专业教材编审出版规划》, 由全国通信工程专业教学指导委员会编审. 推荐出版. 本教材由华中理工大学姚天任教授担任主编, 主审赵荣椿教授, 责任编委阮秋琦教授.

本教材的参考学时数为54学时. 教材的主要内容有：维纳滤波器和卡尔曼滤波器的原理和计算, 自适应滤波器的理论. 设计和应用, 功率谱现代估计方法的基本理论和各种算法, 同态信号处理技术及其应用, 高阶谱分析理论和技术基础, 小波变换的理论. 方法和应用, 人工神经网络的理论. 方法和应用. 为加深对基本概念和基本理论的理解, 加强对基本方法和基本技能的掌握, 本书第一章对现代信号处理理论及其数学基础进行了扼要的复习, 又在各章末安排了相当数量的复习思考题和较多的习题. 书中某些重要的数学推导过程和工程实用计算机程序, 在书末附录中给出. 各章末列有重要参考文献, 供读者进一步深入学习时参考. 书中的重要名词术语的中英文索引也附在书末.

数字信号处理是一门理论和技术发展十分迅速. 应用非常广泛的前沿交叉性学科. 因此, 在使用本教材时, 要特别注意对基本概念. 基本理论. 基本方法和基本技能的掌握, 在此基础上努力把理论和实际应用很好地结合起来, 不断跟踪本学科和本应用领域的新发展. 这样, 才有可能在自己的工作中争取做出创造性的成果.

本教材第一章至第五章以及第七章由姚天任执笔, 第六章和第八章由孙洪执笔编写. 书末附录中的计算机程序, 由车忠志. 向阳松. 郭士奎. 徐强. 苏勇. 江涛. 王有伦. 胡建兵等硕士和田金文博士编写, 并在计算机上调试通过. 博士生李中捷和卢燕青硕士参加了书中插图的绘制. 湖北省电信局廖仁斌副局长. 湖北省数据局杨文鹏局长对本书的编著给予了关心和支持. 作者的历届研究生都为本书提出过许多宝贵意见. 借此机会谨向以上同志表示诚挚的感谢.

由于编著者水平有限, 书中难免还存在一些缺点和错误, 殷切希望广大读者批评指正.

编 者

1999年6月于武汉

无封面