掃一掃
關注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進數(shù)學世界――探秘歷史名題
-
>
中醫(yī)基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
現(xiàn)代信號分析和處理(第2版) 版權(quán)信息
- ISBN：9787302658375
- 條形碼：9787302658375 ; 978-7-302-65837-5
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
現(xiàn)代信號分析和處理(第2版) 本書特色
本書詳細地介紹了近年受到廣泛關注的一些前沿專題, 例如EM算法、 粒子濾波、 獨立分量分析、 盲源分離的子空間方法、 稀疏表示與壓縮感知等, 空間陣列信號處理的一些初步內(nèi)容會穿插在有關章節(jié), 但不單獨成章。 本書在寫作中既注重了內(nèi)容的先進性和系統(tǒng)性, 也注重了內(nèi)容的可讀性。
現(xiàn)代信號分析和處理(第2版) 內(nèi)容簡介
本書系統(tǒng)和深入地介紹了現(xiàn)代數(shù)字信號分析和處理的基礎以及一些廣泛應用的算法。 前4 章介紹了研究和學習現(xiàn)代數(shù)字信號處理的重要基礎, 包括隨機信號模型、 估計理論概要、 **濾波器理論、 *小二乘濾波和卡爾曼濾波, 這些內(nèi)容是信號處理統(tǒng)計方法的基礎性知識; 第5 章~第8 章詳細討論了幾類廣泛應用的典型算法, 包括自適應濾波算法、 功率譜估計算法、 高階統(tǒng)計量和循環(huán)統(tǒng)計量、 信號的盲源分離; 第9章~第11 章包括時頻分析、小波變換原理及應用和信號的稀疏分析與壓縮感知。 本書詳細地介紹了近年受到廣泛關注的一些前沿專題, 例如EM算法、 粒子濾波、 獨立分量分析、 盲源分離的子空間方法、 稀疏表示與壓縮感知等, 空間陣列信號處理的一些初步內(nèi)容會穿插在有關章節(jié), 但不單獨成章。 本書在寫作中既注重了內(nèi)容的優(yōu)選性和系統(tǒng)性, 也注重了內(nèi)容的可讀性。 本書適用于電子信息領域研究生課程, 也可供各類利用信號或數(shù)據(jù)分析作為工具的研究生、 教師和科技人員參考。
現(xiàn)代信號分析和處理(第2版) 目錄
第0章緒論
0.1本書的主要內(nèi)容
0.2對信號處理的一些基本問題的討論
0.3一個簡短的歷史概述
**篇信號的統(tǒng)計處理方法基礎
第1章隨機信號基礎及模型
1.1隨機信號基礎
1.1.1隨機過程的概率密度函數(shù)表示
1.1.2隨機過程的基本特征
1.2隨機信號向量的矩陣特征
1.2.1自相關矩陣
1.2.2互相關矩陣
1.2.3向量信號相關陣
1.3常見信號實例
1.3.1獨立同分布和白噪聲
1.3.2復正弦加噪聲
1.3.3實高斯過程
*1.3.4混合高斯過程
1.3.5高斯馬爾可夫過程
1.4隨機信號的展開
1.4.1隨機信號的正交展開
1.4.2基向量集的正交化
1.4.3KL變換
1.5隨機信號的功率譜密度
1.5.1功率譜密度的定義和性質(zhì)
1.5.2隨機信號通過線性系統(tǒng)
1.5.3連續(xù)隨機信號與離散隨機信號的關系
1.6隨機信號的有理分式模型
1.6.1譜分解定理
1.6.2隨機信號的ARMA模型
1.6.3隨機信號表示的進一步討論
1.6.4自相關與模型參數(shù)的關系
1.7本章小結(jié)與進一步閱讀
習題
第2章估計理論基礎
2.1基本經(jīng)典估計問題
2.1.1經(jīng)典估計基本概念和性能參數(shù)
2.1.2幾個常用估計量
2.2克拉美羅下界
2.3*大似然估計
2.4貝葉斯估計
2.4.1*小均方誤差貝葉斯估計
2.4.2貝葉斯估計的其他形式
2.5線性貝葉斯估計器
2.6*小二乘估計
2.6.1加權(quán)*小二乘估計
2.6.2正則化*小二乘估計
2.6.3復數(shù)據(jù)的LS估計
2.7本章小結(jié)與進一步閱讀
習題
第3章*優(yōu)濾波器
3.1維納濾波
3.1.1實際問題中的維納濾波
3.1.2從估計理論觀點導出維納濾波
3.1.3維納濾波器正交原理
3.1.4FIR維納濾波器
*3.1.5IIR維納濾波器
*3.1.6應用實例——通信系統(tǒng)的*佳線性均衡器
3.2*優(yōu)線性預測
3.2.1前向線性預測
3.2.2后向線性預測
3.2.3LevinsonDurbin算法
3.2.4格型預測誤差濾波器
3.2.5預測誤差濾波器的性質(zhì)
3.3*小二乘濾波
3.3.1LS濾波的邊界問題
3.3.2LS的正交性原理
3.3.3*小二乘濾波的幾個性質(zhì)
3.3.4*小二乘的線性預測
3.3.5正則*小二乘濾波
*3.3.6基于非線性函數(shù)的*小二乘濾波
3.4奇異值分解計算LS問題
*3.5總體*小二乘(TLS)
3.6本章小結(jié)和進一步閱讀
習題
第4章卡爾曼濾波及其擴展
4.1標量卡爾曼濾波
4.1.1標量隨機狀態(tài)的*優(yōu)遞推估計
4.1.2與維納濾波器的比較
4.2向量形式標準卡爾曼濾波
4.2.1向量卡爾曼濾波模型
4.2.2向量卡爾曼濾波推導
4.3卡爾曼濾波器的一些變化形式
4.3.1針對狀態(tài)方程不同形式的卡爾曼濾波器
4.3.2卡爾曼預測器
4.4卡爾曼非線性濾波之一： 擴展卡爾曼濾波(EKF)
*4.5卡爾曼非線性濾波之二： 無跡卡爾曼濾波（UKF）
4.5.1無跡變換(UT)
4.5.2加性噪聲非線性系統(tǒng)的UKF
4.6貝葉斯濾波
*4.7粒子濾波
4.7.1蒙特卡洛模擬與序列重要性采樣
4.7.2粒子濾波算法
4.8本章小結(jié)和進一步閱讀
習題
第二篇信號統(tǒng)計處理方法
第5章自適應濾波器 5.1自適應濾波的分類和應用 5.2梯度下降算法 5.3LMS自適應濾波算法 5.3.1LMS算法 5.3.2LMS算法的收斂性分析 5.3.3一些改進的LMS算法 *5.3.4稀疏LMS算法 5.4遞推LS算法(RLS) 5.4.1基本RLS算法 5.4.2RLS算法的收斂性分析 5.5LMS和RLS算法對自適應均衡器的仿真示例 *5.6非線性自適應濾波舉例 5.7自適應濾波器的應用舉例 5.7.1自適應均衡再討論 5.7.2自適應干擾對消的應用 *5.8無期望響應的自適應濾波算法舉例： 盲均衡 5.8.1恒模算法(CMA) 5.8.2一類盲均衡算法(Bussgang算法) 5.8.3盲反卷算法介紹 5.9本章小結(jié)和進一步閱讀 習題
第6章功率譜估計 6.1經(jīng)典譜估計方法 6.1.1周期圖方法 6.1.2改進周期圖 6.1.3BlackmanTukey方法 6.2AR模型法和*大熵法譜估計 6.2.1*大熵譜估計 6.2.2AR模型譜估計的協(xié)方差方法 6.2.3改進協(xié)方差方法 6.2.4自相關方法 6.2.5Burg算法 6.2.6AR模型譜的進一步討論 6.3系統(tǒng)模型階選擇問題 6.4MA模型譜估計 6.5ARMA模型譜估計 *6.6*小方差譜估計 6.7利用特征空間的頻率估計 6.7.1Pisarenko譜分解 6.7.2MUSIC方法 6.7.3模型階估計 *6.8ESPRIT算法 6.8.1基本ESPRIT算法 6.8.2LSESPRIT和TLSESPRIT算法 6.9功率譜估計的一些實驗結(jié)果 6.9.1經(jīng)典方法和AR模型法對不同信號類型的仿真比較 6.9.2諧波估計的實驗結(jié)果 6.10本章小結(jié)和進一步閱讀 習題 第7章超出2階平穩(wěn)統(tǒng)計的信號特征 7.1信號的高階統(tǒng)計量和高階譜 7.1.1高階累積量和高階矩的定義 7.1.2高階累積量的若干數(shù)學性質(zhì) 7.1.3高階譜的定義 7.1.4線性非高斯過程的高階譜 7.1.5非線性過程的高階譜 7.1.6高階譜的應用 *7.2周期平穩(wěn)信號的譜相關分析 7.2.1周期平穩(wěn)信號的概念 7.2.2周期平穩(wěn)信號的譜相關函數(shù) 7.2.3譜相關函數(shù)的估計 *7.3隨機信號的熵特征 7.3.1熵的定義和基本性質(zhì) 7.3.2KL散度、互信息和負熵 7.4本章小結(jié)和進一步閱讀 習題
第8章信號處理的隱變量分析 8.1在線主分量分析 8.1.1廣義Hebian算法 8.1.2投影近似子空間跟蹤算法——PAST 8.2信號向量的白化和正交化 8.2.1信號向量的白化 8.2.2向量集的正交化 8.3盲源分離問題的描述 8.4獨立分量分析——ICA 8.4.1獨立分量分析的基本原理和準則 8.4.2不動點算法——FastICA 8.4.3自然梯度算法 8.5本章小結(jié)和進一步閱讀 習題
第三篇時頻分析和稀疏表示 第9章時頻分析方法 9.1時頻分析的預備知識 9.1.1傅里葉變換及其局限性 9.1.2時頻分析的幾個基本概念 9.1.3框架和Reisz基 9.2短時傅里葉變換 9.2.1STFT的定義和性質(zhì) *9.2.2STFT的數(shù)值計算 9.3Gabor展開 9.3.1連續(xù)Gabor展開 9.3.2周期離散Gabor展開 9.4WignerVille分布 9.4.1連續(xù)WignerVille分布的定義和性質(zhì) 9.4.2WVD的一些實例及問題 9.4.3通過離散信號計算WVD *9.5一般時頻分布： Cohen類 9.5.1模糊函數(shù) 9.5.2Cohen類的定義與實例 9.6本章小結(jié)和進一步閱讀 習題 第10章小波變換原理及應用概論 10.1連續(xù)小波變換 10.1.1CWT的定義 10.1.2CWT的性質(zhì) 10.1.3幾個小波實例 10.2尺度和位移離散化的小波變換 10.3多分辨分析和正交小波基 10.3.1多分辨分析的概念 10.3.2小波基的構(gòu)造 10.3.3離散小波變換的Mallat算法 10.4雙正交小波變換 10.5小波基實例 10.5.1Daubechies緊支小波 10.5.2雙正交小波基實例 10.6多維空間小波變換 10.6.1二維可分小波變換 10.6.2數(shù)字圖像的小波變換模型 10.7小波包分解 *10.8小波變換應用實例 10.8.1圖像壓縮 10.8.2小波消噪 10.8.3其他應用簡介 10.9本章小結(jié)和進一步閱讀 習題 本章附錄子帶編碼
*第11章信號的稀疏表示與壓縮感知 11.1信號稀疏表示的數(shù)學基礎 11.1.1凸集和凸函數(shù) 11.1.2范數(shù) 11.1.3矩陣的零空間和稀疏度 11.2信號的稀疏模型實例 11.2.1壓縮感知問題 11.2.2套索回歸問題——LASSO 11.2.3不同稀疏問題的比較 11.3信號的稀疏模型表示 11.4稀疏恢復的基本理論 11.4.1(P0)解的唯一性 11.4.2(P1)解的唯一性 11.4.3(Pε1)問題的解 11.5壓縮感知與感知矩陣 11.6稀疏恢復算法介紹 11.6.1貪婪算法 11.6.2LASSO的循環(huán)坐標下降算法 11.7信號稀疏恢復的幾個應用實例 11.8本章小結(jié)和進一步閱讀 習題
參考文獻 附錄A矩陣論基礎 附錄B拉格朗日（Lagrange）乘數(shù)法求解約束*優(yōu) 縮寫詞 索引
第二篇信號統(tǒng)計處理方法
第5章自適應濾波器 5.1自適應濾波的分類和應用 5.2梯度下降算法 5.3LMS自適應濾波算法 5.3.1LMS算法 5.3.2LMS算法的收斂性分析 5.3.3一些改進的LMS算法 *5.3.4稀疏LMS算法 5.4遞推LS算法(RLS) 5.4.1基本RLS算法 5.4.2RLS算法的收斂性分析 5.5LMS和RLS算法對自適應均衡器的仿真示例 *5.6非線性自適應濾波舉例 5.7自適應濾波器的應用舉例 5.7.1自適應均衡再討論 5.7.2自適應干擾對消的應用 *5.8無期望響應的自適應濾波算法舉例： 盲均衡 5.8.1恒模算法(CMA) 5.8.2一類盲均衡算法(Bussgang算法) 5.8.3盲反卷算法介紹 5.9本章小結(jié)和進一步閱讀 習題
第6章功率譜估計 6.1經(jīng)典譜估計方法 6.1.1周期圖方法 6.1.2改進周期圖 6.1.3BlackmanTukey方法 6.2AR模型法和*大熵法譜估計 6.2.1*大熵譜估計 6.2.2AR模型譜估計的協(xié)方差方法 6.2.3改進協(xié)方差方法 6.2.4自相關方法 6.2.5Burg算法 6.2.6AR模型譜的進一步討論 6.3系統(tǒng)模型階選擇問題 6.4MA模型譜估計 6.5ARMA模型譜估計 *6.6*小方差譜估計 6.7利用特征空間的頻率估計 6.7.1Pisarenko譜分解 6.7.2MUSIC方法 6.7.3模型階估計 *6.8ESPRIT算法 6.8.1基本ESPRIT算法 6.8.2LSESPRIT和TLSESPRIT算法 6.9功率譜估計的一些實驗結(jié)果 6.9.1經(jīng)典方法和AR模型法對不同信號類型的仿真比較 6.9.2諧波估計的實驗結(jié)果 6.10本章小結(jié)和進一步閱讀 習題 第7章超出2階平穩(wěn)統(tǒng)計的信號特征 7.1信號的高階統(tǒng)計量和高階譜 7.1.1高階累積量和高階矩的定義 7.1.2高階累積量的若干數(shù)學性質(zhì) 7.1.3高階譜的定義 7.1.4線性非高斯過程的高階譜 7.1.5非線性過程的高階譜 7.1.6高階譜的應用 *7.2周期平穩(wěn)信號的譜相關分析 7.2.1周期平穩(wěn)信號的概念 7.2.2周期平穩(wěn)信號的譜相關函數(shù) 7.2.3譜相關函數(shù)的估計 *7.3隨機信號的熵特征 7.3.1熵的定義和基本性質(zhì) 7.3.2KL散度、互信息和負熵 7.4本章小結(jié)和進一步閱讀 習題
第8章信號處理的隱變量分析 8.1在線主分量分析 8.1.1廣義Hebian算法 8.1.2投影近似子空間跟蹤算法——PAST 8.2信號向量的白化和正交化 8.2.1信號向量的白化 8.2.2向量集的正交化 8.3盲源分離問題的描述 8.4獨立分量分析——ICA 8.4.1獨立分量分析的基本原理和準則 8.4.2不動點算法——FastICA 8.4.3自然梯度算法 8.5本章小結(jié)和進一步閱讀 習題
第三篇時頻分析和稀疏表示 第9章時頻分析方法 9.1時頻分析的預備知識 9.1.1傅里葉變換及其局限性 9.1.2時頻分析的幾個基本概念 9.1.3框架和Reisz基 9.2短時傅里葉變換 9.2.1STFT的定義和性質(zhì) *9.2.2STFT的數(shù)值計算 9.3Gabor展開 9.3.1連續(xù)Gabor展開 9.3.2周期離散Gabor展開 9.4WignerVille分布 9.4.1連續(xù)WignerVille分布的定義和性質(zhì) 9.4.2WVD的一些實例及問題 9.4.3通過離散信號計算WVD *9.5一般時頻分布： Cohen類 9.5.1模糊函數(shù) 9.5.2Cohen類的定義與實例 9.6本章小結(jié)和進一步閱讀 習題 第10章小波變換原理及應用概論 10.1連續(xù)小波變換 10.1.1CWT的定義 10.1.2CWT的性質(zhì) 10.1.3幾個小波實例 10.2尺度和位移離散化的小波變換 10.3多分辨分析和正交小波基 10.3.1多分辨分析的概念 10.3.2小波基的構(gòu)造 10.3.3離散小波變換的Mallat算法 10.4雙正交小波變換 10.5小波基實例 10.5.1Daubechies緊支小波 10.5.2雙正交小波基實例 10.6多維空間小波變換 10.6.1二維可分小波變換 10.6.2數(shù)字圖像的小波變換模型 10.7小波包分解 *10.8小波變換應用實例 10.8.1圖像壓縮 10.8.2小波消噪 10.8.3其他應用簡介 10.9本章小結(jié)和進一步閱讀 習題 本章附錄子帶編碼
*第11章信號的稀疏表示與壓縮感知 11.1信號稀疏表示的數(shù)學基礎 11.1.1凸集和凸函數(shù) 11.1.2范數(shù) 11.1.3矩陣的零空間和稀疏度 11.2信號的稀疏模型實例 11.2.1壓縮感知問題 11.2.2套索回歸問題——LASSO 11.2.3不同稀疏問題的比較 11.3信號的稀疏模型表示 11.4稀疏恢復的基本理論 11.4.1(P0)解的唯一性 11.4.2(P1)解的唯一性 11.4.3(Pε1)問題的解 11.5壓縮感知與感知矩陣 11.6稀疏恢復算法介紹 11.6.1貪婪算法 11.6.2LASSO的循環(huán)坐標下降算法 11.7信號稀疏恢復的幾個應用實例 11.8本章小結(jié)和進一步閱讀 習題
參考文獻 附錄A矩陣論基礎 附錄B拉格朗日（Lagrange）乘數(shù)法求解約束*優(yōu) 縮寫詞 索引
展開全部
現(xiàn)代信號分析和處理(第2版) 作者簡介
張旭東，清華大學電子工程系長聘教授，博士生導師，主要研究方向為信號處理和機器學習。承擔國家、部委和國際合作項目數(shù)十項，發(fā)表學術論文150余篇，出版有《現(xiàn)代信號分析和處理》著作4部。獲得Elsevier的**引用獎（The Most Cited Paper Award，2008）和IET國際雷達年會**論文獎，兩次獲得清華大學教學成果一等獎，三次獲得清華大學優(yōu)秀教材獎。
書友推薦
- >
史學評論
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
羅庸西南聯(lián)大授課錄
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
羅曼·羅蘭讀書隨筆-精裝
- >
山海經(jīng)
- >
有舍有得是人生
- >
我與地壇
本類暢銷
