隨機信號處理原理與實踐（簡體書）

《隨機信號處理原理與實踐》系統地介紹了隨機信號處理的基本理論、算法及應用。全書共8章，內容包括離散時間信號處理基礎、隨機信號分析基礎、隨機信號的線性模型、非參數譜估計、最優線性濾波器、最小二乘濾波和預測、參數譜估計、自適應濾波器。《隨機信號處理原理與實踐》盡量采用大多數碩士研究生和工程技術人員熟悉的數學知識闡述基本理論，注重用例子解釋基本概念，用MATLAB仿真實驗幫助讀者理解所學內容。各章均給出了適當的習題和上機實驗題，以方便讀者實踐和教師教學。書中所有的MATLAB程序和實驗用數據文件，讀者可從科學出版社的網站下載。
《隨機信號處理原理與實踐》可作為相關專業碩士研究生、高年級本科生的教材及教學參考書，也可供相關領域工程技術人員閱讀。

前言
第1章 離散時間信號處理基礎
1.1 離散時間信號
1.1.1 常用離散時間信號
1.1.2 序列的基本運算
1.2 離散時間系統
1.2.1 離散時間系統的分類
1.2.2 離散LTI系統的響應
1.3 傅里葉變換
1.3.1 離散時間傅里葉變換
1.3.2 離散傅里葉變換
1.3.3 快速傅里葉變換
1.4 2變換
1.4.1 z變換
1.4.2 逆z變換
1.5 數字濾波器
1.5.1 系統函數
1.5.2 頻率響應
1.5.3 格型濾波器
本章小結
習題

第2章 隨機信號分析基礎
2.1 隨機變量
2.1.1 概率分布函數與密度函數
2.1.2 隨機變量的數字特徵
2.2 隨機過程
2.2.1 隨機過程的基本統計量
2.2.2 獨立、不相關與正交
2.3 幾種典型的隨機過程
2.3.1 復正弦加噪聲
2.3.2 實高斯過程
2.3.3 諧波過程
2.3.4 高斯一馬爾可夫過程
2.4 隨機信號通過線性系統
2.4.1 時域分析
2.4.2 頻域分析
2.5 譜分解定理
2.6 參數估計理論
2.6.1 估計量的性質
2.6.2 均值的估計
2.6.3 方差的估計
本章小結
習題

第3章 隨機信號的線性模型
3.1 AR過程
3.1.1 AR（1）模型
3.1.2 AR（2）模型
3.1.3 AR（p）模型
3.2 MA過程
3.3 ARMA過程
3.4 三種模型間的關係
本章小結
習題

第4章 非參數譜估計
4.1 平穩隨機信號的自相關估計
4.2 相關圖法
4.3 周期圖法
4.4 周期圖法的改進
4.4.1 平滑單一周期圖
4.4.2 多個周期圖求平均
4.5 應用舉例
4.5.1 語音頻譜分析
4.5.2 語譜圖
本章小結
習題

第5章 最優線性濾波器
5.1 最優信號估計
5.2 線性均方估計
5.2.1 誤差性能曲面
5.2.2 線性最小均方誤差估計器
5.2.3 正交原理
5.3 維納濾波器
5.3.1 Wiene－Hopf方程
5.3.2 FIR維納濾波器
5.4 最優線性預測
5.4.1 前向線性預測
5.4.2 后向線性預測
5.4.3 Levinson-Durbin算法
5.4.4 格型預測誤差濾波器
本章小結
習題

第6章 最小二乘濾波和預測
6.1 最小二乘原理
6.2 線性最小二乘估計
6.2.1 正則方程
6.2.2 正交原理
6.2.3 投影算子
6.3 最小二乘FIR濾波器
6.4 最小二乘線性預測
本章小結
習題

第7章 參數譜估計
7.1 信號建模
7.2 AR模型譜估計
7.2.1 最大熵譜估計
7.2.2 自相關法
7.2.3 協方差法
7.2.4 改進的協方差法
7.2.5 Burg算法
7.2.6 AR模型階的確定
7.3 MA模型譜估計
7.4 ARMA模型譜估計
7.5 應用舉例
7.5.1 “預白化一后著色”譜估計
7.5.2 語音信號的線性預測
本章小結
習題

第8章 自適應濾波器
8.1 自適應濾波原理
8.2 最速下降法
8.3 LMS自適應濾波器
8.3.1 基本的LMS算法
8.3.2 I.MS算法的收斂性分析
8.3.3 I.MS算法的改進
8.4 最小二乘自適應濾波器
8.4.1 RLS算法
8.4.2 RLS算法的收斂性分析
8.5 應用舉例
8.5.1 自適應干擾對消
8.5.2 自適應信道均衡器
本章小結
習題
參考文獻