現代信號處理

目錄

第0章緒論

第1章時域離散隨機信號分析

1.1隨機信號

1.2平穩隨機信號的時域統計表達

1.2.1平穩隨機序列

1.2.2平穩隨機信號的各態遍歷性

1.3平穩隨機信號的Z域及頻域的統計表達

1.3.1相關函數的z變換

1.3.2平穩隨機信號的功率密度譜

1.3.3功率譜的分類

1.4隨機序列數字特征的估計 

1.4.1估計準則

1.4.2隨機序列數字特征的估計

1.5平穩隨機序列通過線性系統 

1.5.1系統響應的均值、自相關函數和平穩性分析

1.5.2輸出響應的功率譜密度函數

1.5.3互相關函數及卷積定理

1.6時間序列信號模型

1.6.1三種時間序列模型

1.6.2三種時間序列信號模型的適用性

1.6.3自相關函數、功率譜與時間序列信號模型的關系

1.7應用實例

習題

第2章功率譜估計

2.1功率譜估計方法與特點

2.1.1經典譜估計方法

2.1.2現代譜估計方法

2.2經典功率譜估計

2.2.1BT法(間接法)

2.2.2周期圖法(直接法)

2.2.3周期圖法譜估計質量分析

2.3經典譜估計方法改進法

2.3.1窗函數法

2.3.2平均周期圖法

2.3.3Welch法

2.4現代譜估計

2.4.1AR模型的尤爾沃克方法

2.4.2萊文森德賓算法

2.5應用實例

習題

第3章最優濾波和自適應濾波器設計

3.1維納濾波器

3.1.1維納濾波器概述

3.1.2維納濾波器的時域解

3.1.3維納濾波器的z域解

3.2卡爾曼(Kalman)濾波器

3.2.1卡爾曼濾波器信號模型

3.2.2卡爾曼濾波的遞推算法

3.3自適應濾波器

3.3.1基本原理

3.3.2LMS自適應濾波器

3.3.3最陡下降法

3.3.4LMS算法流程

3.4應用實例

習題

第4章時頻分析與小波變換

4.1時頻分析的基本概念

4.2短時傅裏葉變換 

4.2.1短時傅裏葉變換的定義及其物理解釋

4.2.2短時傅裏葉變換的性質

4.2.3短時傅裏葉變換的時間、頻率分辨率

4.2.4短時傅裏葉變換的計算

4.2.5從傅裏葉變換到小波變換過程

4.3連續小波變換

4.3.1連續小波變換定義

4.3.2連續小波變換性質

4.3.3連續小波反變換及小波容許條件

4.3.4典型小波函數

4.3.5連續小波變換的計算

4.4離散小波變換

4.4.1離散小波變換定義

4.4.2離散小波變換的多分辨率分析

4.4.3小波變換與濾波器組

4.4.4Mallat快速算法

4.4.5小波包分析

4.4.6基於小波的信號處理

4.5應用實例

習題

第5章神經網絡

5.1機器學習基礎

5.1.1基本概念

5.1.2線性回歸

5.1.3邏輯回歸

5.2人工神經網絡

5.2.1神經元

5.2.2MP神經元

5.2.3感知機

5.2.4多層神經網絡模型

5.2.5誤差反向傳播算法

5.2.6激活函數

5.3卷積神經網絡 

5.3.1特征工程

5.3.2圖像卷積運算

5.3.3卷積神經網絡的基本思想

5.3.4典型的卷積神經網絡結構

5.4應用實例

5.4.1開發工具與環境創建

5.4.2一元線性回歸應用實例

5.4.3手寫字符識別應用實例

習題

第6章信號處理應用專題

6.1生物醫學信號處理應用專題

6.1.1學科發展與系統組成

6.1.2醫學信號處理關鍵設備

6.1.3生物醫學信號及其類型

6.1.4腦電信號處理實例

6.1.5腦電信號的分析實例

6.1.6自適應噪聲抵消法增強心電圖實例

6.2圖像信號處理應用專題

6.2.1基礎知識

6.2.2典型數字圖像處理應用

6.2.3圖像信號處理應用實例

習題

參考文獻