统计与自适应信号处理

　　该书由美国麻省理工学院和东北大学的三位学者联合著作。其中，第一作者Manolakis博士和第二作者Ingle副教授近几年曾在多所大学讲授过信号处理课，并有着丰富的研究经历，还分别出版过其他多本信号处理教材。第三作者Kogon博士则主要从事信号处理的研究。三位学者丰富的教学经验和对信号处理的深入研究，使得本书既具有先进的理论水平，又面向诸多的实际应用。因此，本书不仅适合于电子、通信、自动化、电机工程、生物医学和生物信息、机械工程等专业研究生作为教材或教学参考书，也适合用作广大工程技术人员的自学读本或参考用书。本书特色：1．全书内容非常丰富，涵盖了谱估计、信号建模、自适应滤波和阵列信号处理的基本理论与方法。2．书中所有的主要算法以及说明这些算法应用的例子都提供了MATLAB函数，它们可以通过http：／／www．mhhe．com／catalogs／0070400512．mhtml找到。3．插图丰富，并编有大量习题。

　　DimitrisG.Manolakis：于希腊雅典大学获得物理学士学位和电气工程博士学位，现任美国麻省林肯实验室研究员。他曾在Riverside研究所任主任研究员，并曾在雅典大学、美国东北大学、波士顿学院、沃切斯特理工学院任教。相关图书半导体器件电子学数字信号处理：基于计算机的方法（第二版）CMOS模拟集成电路设计（第二版）信号与系统：连续与离散（第四版）数字设计（第三版）集成电路器件电子学（第三版）信号处理滤波器设计：基于MATLAB和Mathematica的设计方法逻辑电路设计基础光纤通信（第三版）第三代移动通信系统原理与工程设计：IS-95CDMA和cdma2000数字电路简明教程微波电路引论：射频与应用设计电子学（第二版）调制、检测与编码VerilogHDL高级数字设计数字集成电路：电路、系统与设计（第二版）半导体器件基础集成电路器件电子学：第三版先进半导体存储器：结构、设计与应用数字信号处理实验指导书（MATLAB版）超大规模集成电路测试：数字、存储器和混合信号系统电路基础：改编版数字图像处理（MATLAB版）VHDL数字电路设计教程

第1章  引言                  
 1. 1  随机信号                  
 1. 2  谱估计                  
 1. 3  信号建模                  
 1. 3. 1  有理式或极点-零点模型                  
 1. 3. 2  分数极点-零点模型和分形模型                  
 1. 4  自适应滤波                  
 1. 4. 1  自适应滤波器的应用                  
 1. 4. 2  自适应滤波器的特点                  
 1. 5  阵列处理                  
 1. 5. 1  空间滤波或波束形成                  
 1. 5. 2  降低雷达系统中的自适应干扰                  
 1. 5. 3  自适应旁瓣抵消器                  
 1. 6  本书的结构                  
 第2章  离散时间信号处理基础                  
 2. 1  离散时间信号                  
 2. 1. 1  连续时间信号. 离散时间信号和数字信号                  
 2. 1. 2  信号的数学描述                  
 2. 1. 3  真实世界的信号                  
 2. 2  确定性信号的变换域表示法                  
 2. 2. 1  傅里叶变换和傅里叶级数                  
 2. 2. 2  连续时间信号的采样                  
 2. 2. 3  离散傅里叶变换                  
 2. 2. 4  z变换                  
 2. 2. 5  窄带信号的表示                  
 2. 3  离散时间系统                  
 2. 3. 1  线性时不变系统的分析                  
 2. 3. 2  对周期性输入的响应                  
 2. 3. 3  相关分析和谱密度                  
 2. 4  最小相位和系统的可逆性                  
 2. 4. 1  最小相位系统和系统的可逆性                  
 2. 4. 2  全通系统                  
 2. 4. 3  最小相位和全通分解                  
 2. 4. 4  谱因式分解                  
 2. 5  格型滤波器实现                  
 2. 5. 1  全零点格型结构                  
 2. 5. 2  全极点格型结构                  
 2. 6  小结                  
 2. 7  习题                  
 第3章  随机变量. 矢量和序列                  
 3. 1  随机变量                  
 3. 1. 1  分布函数与密度函数                  
 3. 1. 2  统计平均值                  
 3. 1. 3  一些有用的随机变量                  
 3. 2  随机矢量                  
 3. 2. 1  定义和二阶矩                  
 3. 2. 2  随机矢量的线性变换                  
 3. 2. 3  正态随机矢量                  
 3. 2. 4  独立的随机变量的和                  
 3. 3  离散时间的随机过程                  
 3. 3. 1  用概率函数来描述                  
 3. 3. 2二阶统计描述                  
 3. 3. 3  平稳性                  
 3. 3. 4  各态遍历                  
 3. 3. 5  随机信号的易变性                  
 3. 3. 6  平稳过程的频域描述                  
 3. 4  具有平稳随机输入的线性系统                  
 3. 4. 1  时域分析                  
 3. 4. 2  频域分析                  
 3. 4. 3  随机信号的记忆性                  
 3. 4. 4  常见的相关矩阵                  
 3. 4. 5  随机过程的相关矩阵                  
 3. 5  随机矢量的更新表示                  
 3. 5. 1  用特征根分解进行变换                  
 3. 5. 2  运用三角分解的变换                  
 3. 5. 3  离散的Karhunen-Loeve变换(DKLT)                  
 3. 6  估计理论原理                  
 3. 6. 1  估计子的性质                  
 3. 6. 2  均值的估计                  
 3. 6. 3  方差估计                  
 3. 7  小结                  
 3. 8  习题                  
 第4章  线性信号模型                  
 4. 1  引言                  
 4. 1. 1  线性无参数信号模型                  
 4. 1. 2  有参极点-零点信号模型                  
 4. 1. 3  混合过程和Wold分解                  
 4. 2  全极点模型                  
 4. 2. 1  模型性质                  
 4. 2. 2  全极点建模和线性预测                  
 4. 2. 3  自回归模型                  
 4. 2. 4  低阶模型                  
 4. 3  全零点模型                  
 4. 3. 1  模型性质                  
 4. 3. 2  滑动平均模型                  
 4. 3. 3  低阶模型                  
 4. 4  极点-零点模型                  
 4. 4. 1  模型性质                  
 4. 4. 2  自回归滑动平均模型                  
 4. 4. 3  一阶的极点-零点模型：PZ(1, 1)                  
 4. 4. 4  总结和对偶性                  
 4. 5  极点在单位圆上的模型                  
 4. 6  极点-零点模型的复倒谱                  
 4. 6. 1  极点-零点模型                  
 4. 6. 2  全极点模型                  
 4. 6. 3  全零点模型                  
 4. 7  小结                  
 4. 8  习题                  
 第5章  非参数功率谱估计                  
 5. 1  确定信号的谱分析                  
 5. 1. 1  信号采样的影响                  
 5. 1. 2  加窗. 周期延拓和外推                  
 5. 1. 3  谱采样的影响                  
 5. 1. 4  窗口效应：谱泄漏和分辨率损失                  
 5. 1. 5  小结                  
 5. 2  平稳随机信号的自相关估计                  
 5. 3  平稳随机信号的功率谱估计                  
 5. 3. 1  利用周期图估计功率谱                  
 5. 3. 2  平滑单一周期图的功率谱估计--Blaekman-Tukey法                  
 5. 3. 3  对多个周期图求平均的功率谱估计--Welch-Bartlett法                  
 5. 3. 4  一些实际的考虑和例子                  
 5. 4  联合信号的分析                  
 5. 4. 1  互功率谱的估计                  
 5. 4. 2  频率响应函数的估计                  
 5. 5  多重锥化截取功率谱估计                  
 5. 5. 1  自功率谱的估计                  
 5. 5. 2  互功率谱的估计                  
 5. 6  小结                  
 5. 7  习题                  
 第6章  最佳线性滤波器                  
 6. 1  最佳信号估计                  
 6. 2  线性均方误差估计                  
 6. 2. 1  误差性能表面                  
 6. 2. 2  线性MMSE估计器的推导                  
 6. 2. 3  最佳线性估计器的主元分析                  
 6. 2. 4  几何解释和正交原理                  
 6. 2. 5  小结                  
 6. 3  正规方程组的解                  
 6. 4  最佳有限脉冲响应滤波器                  
 6. 4. 1  设计和性质                  
 6. 4. 2  平稳过程的最佳FIR滤波器                  
 6. 4. 3  频域解释                  
 6. 5  线性预测                  
 6. 5. 1  线性信号估计                  
 6. 5. 2  前向线性预测                  
 6. 5. 3  后向线性预测                  
 6. 5. 4  平稳过程                  
 6. 5. 5  性质                  
 6. 6  最佳无限脉冲响应滤波器                  
 6. 6. 1  非因果IIR滤波器                  
 6. 6. 2  因果IIR滤波器                  
 6. 6. 3  加性噪声的过滤                  
 6. 6. 4  利用无限过去的线性预测--白化                  
 6. 7  逆滤波和解卷积                  
 6. 8  数据传输系统的信道均衡                  
 6. 8. 1  零ISI的奈奎斯特判据                  
 6. 8. 2  等价的离散时间信道模型                  
 6. 8. 3  线性均衡器                  
 6. 8. 4  迫零均衡器                  
 6. 8. 5  最小MSE均衡器                  
 6. 9  匹配滤波器和本征滤波器                  
 6. 9. 1  噪声中的确定性信号                  
 6. 9. 2  噪声中的随机信号                  
 6. 10  小结                  
 6. 11  习题                  
 第7章  最佳线性滤波器的算法和结构                  
 7. 1  阶数递归算法的基础                  
 7. 1. 1  矩阵分块和最佳嵌套                  
 7. 1. 2  分块厄米特矩阵的逆                  
 7. 1. 3  最佳估计的kevinson递归                  
 7. 1. 4  LDLH分解的阶数递归计算                  
 7. 1. 5  最佳估计的阶数递归计算                  
 7. 2  算法量的解释                  
 7. 2. 1  新息和后向预测                  
 7. 2. 2  部分相关                  
 7. 2. 3  最佳估计的阶数分解                  
 7. 2. 4  Gram-Schmidt正交化                  
 7. 3  最佳FIR滤波器的阶数递归                  
 7. 3. 1  最佳滤波器的阶数递归计算                  
 7. 3. 2  格型-梯型结构                  
 7. 3. 3  平稳随机过程的简化                  
 7. 3. 4  基于UDUH分解的算法                  
 7. 4  Levinson和Levinson-Durbin算法                  
 7. 5  最佳FIR滤波器和预测器的格型结构                  
 7. 5. 1  格型-梯型结构                  
 7. 5. 2  一些性质和说明                  
 7. 5. 3  参数转化                  
 7. 6  Schur算法                  
 7. 6. 1  直接Schur算法                  
 7. 6. 2  实现上的考虑                  
 7. 6. 3  逆Sehur算法                  
 7. 7  Toeplitz矩阵的三角化和求逆                  
 7. 7. 1  逆Toeplitz矩阵的LDLH分解                  
 7. 7. 2  Toeplitz矩阵的LDLH分解                  
 7. 7. 3  实Toeplitz矩阵的逆                  
 7. 8  卡尔曼滤波器算法                  
 7. 8. 1  预先推导                  
 7. 8. 2  卡尔曼滤波器的推导                  
 7. 9  小结                  
 7. 10  习题                  
 第8章  最小二乘滤波和预测                  
 8. 1  最小二乘原理                  
 8. 2  线性最小二乘误差估计                  
 8. 2. 1  正规方程组的导出                  
 8. 2. 2  最小二乘估计的统计性质                  
 8. 3  最小二乘FIR滤波器                  
 8. 4  线性最小二乘信号估计                  
 8. 4. 1  信号估计和线性预测                  
 8. 4. 2  复合的前向和后向线性预测(FBLP)                  
 8. 4. 3  窄带干扰消除                  
 8. 5  用正规方程进行IZ计算                  
 8. 5. 1  线性LSE估计                  
 8. 5. 2  LSEFIR滤波和预测                  
 8. 6  使用正交化技术的IS计算                  
 8. 6. 1  Householder反射                  
 8. 6. 2  Givens旋转                  
 8. 6. 3  Gram-Schmidt正交化                  
 8. 7  采用奇异值分解的IS计算                  
 8. 7. 1  奇异值分解                  
 8. 7. 2  LS问题的解                  
 8. 7. 3  非满秩的LS问题                  
 8. 8  小结                  
 8. 9  习题                  
 第9章  信号建模和参量谱估计                  
 9. 1  建模过程：理论和实际                  
 9. 2  全极点模型的估计                  
 9. 2. 1  直接型结构                  
 9. 2. 2  格型结构                  
 9. 2. 3  最大熵方法                  
 9. 2. 4  线性谱激励                  
 9. 3  极点-零点模型的估计                  
 9. 3. 1  已知激励                  
 9. 3. 2  未知激励                  
 9. 3. 3  非线性最小二乘最优化                  
 9. 4  应用                  
 9. 4. 1  谱估计                  
 9. 4. 2  语音建模                  
 9. 5  最小方差谱估计                  
 9. 6  谐波模型和频率估计技术                  
 9. 6. 1  谐波模型                  
 9. 6. 2  Pisarenko谐波分解                  
 9. 6. 3  MUSIC算法                  
 9. 6. 4  最小范数方法                  
 9. 6. 5  ESPRIT算法                  
 9. 7  小结                  
 9. 8  习题                  
 第10章  自适应滤波器                  
 10. 1  自适应滤波器的典型应用                  
 10. 1. 1  通信中的回波抵消                  
 10. 1. 2  数据通信信道的均衡                  
 10. 1. 3  线性预测编码                  
 10. 1. 4  噪声抵消                  
 10. 2  自适应滤波器的原理                  
 10. 2. 1  自适应滤波器的特征                  
 10. 2. 2  最佳滤波器与自适应滤波器的比较                  
 10. 2. 3  自适应滤波器的稳定性和稳态性能                  
 10. 2. 4  几个实际因素                  
 10. 3  最速下降法                  
 10. 4  最小均方自适应滤波器                  
 10. 4. 1  推导                  
 10. 4. 2  平稳SOE中的自适应                  
 10. 4. 3  总结和设计准则                  
 10. 4. 4  LMS算法的应用                  
 10. 4. 5  实际中需要考虑的事项                  
 10. 5  递归最小二乘自适应滤波器                  
 10. 5. 1  LS自适应滤波器                  
 10. 5. 2  常规的递归最小二乘算法                  
 10. 5. 3  实际中需要考虑的事项                  
 10. 5. 4  收敛性和性能分析                  
 10. 6  阵列处理的BLS算法                  
 10. 6. 1  使用Cholesky和QR分解的LS计算                  
 10. 6. 2  两个有用的引理                  
 10. 6. 3  QR-RLS算法                  
 10. 6. 4  扩展的QR-RLS算法                  
 10. 6. 5  逆QR-RLS算法                  
 10. 6. 6  运用Givens旋转的QR-RLS算法的实现                  
 10. 6. 7  使用Givens旋转的逆QR-RLS算法的实现                  
 10. 6. 8  用于阵列处理的RLS算法的分类                  
 10. 7  用于FIR滤波的快速RLS算法                  
 10. 7. 1  快速固定阶数RLS FIR滤波器                  
 10. 7. 2  RLS格型-梯型滤波器                  
 10. 7. 3  使用误差反馈更新的RLS格型-梯型滤波器                  
 10. 7. 4  基于Givens旋转的LS格型-梯型算法                  
 10. 7. 5  用于FIR滤波的RLS算法的分类                  
 10. 8  自适应算法的跟踪性能                  
 10. 8. 1  用于非平稳SOE的方法                  
 10. 8. 2  性能分析的预备知识                  
 10. 8. 3  LMS算法                  
 10. 8. 4  具有指数遗忘的RLS算法                  
 10. 8. 5  跟踪性能的比较                  
 10. 9  小结                  
 10. 10  习题                  
 第11章  阵列处理                  
 11. 1  阵列的基本原理                  
 11. 1. 1  空间信号                  
 11. 1. 2  调制-解调                  
 11. 1. 3  阵列信号模型                  
 11. 1. 4  传感器阵列：空间采样                  
 11. 2  常用的空间滤波：波束形成                  
 11. 2. 1  空间匹配滤波器                  
 11. 2. 2  锥化截取波束形成                  
 11. 3  最佳阵列处理                  
 11. 3. 1  最佳波束形成                  
 11. 3. 2  最佳波束形成器的特征根分析                  
 11. 3. 3  干扰消除性能                  
 11. 3. 4  锥化截取最佳波束形成                  
 11. 3. 5  广义的旁瓣消除器                  
 11. 4  最佳波束形成器的性能考虑                  
 11. 4. 1  信号失配的影响                  
 11. 4. 2  带宽的影响                  
 11. 5  自适应波束形成                  
 11. 5. 1  采样矩阵求逆                  
 11. 5. 2  用SMI波束形成器的对角线加载                  
 11. 5. 3  SMI波束形成器的实现                  
 11. 5. 4  逐点采样自适应方法                  
 11. 6  其他自适应阵列处理方法                  
 11. 6. 1  线性约束的最小方差波束形成器                  
 11. 6. 2  部分自适应阵列                  
 11. 6. 3  旁瓣消除器                  
 11. 7  角度估计                  
 11. 7. 1  最大似然角度估计                  
 11. 7. 2  角度精确度的Cramer-Rao下限                  
 11. 7. 3  波束分裂算法                  
 11. 7. 4  基于模型的方法                  
 11. 8  空间-时间自适应处理                  
 11. 9  小结                  
 11. 10  习题                  
 第12章  深入研究的课题                  
 12. 1  信号处理中的高阶统计(HOS)                  
 12. 1. 1  矩. 积累量和多谱                  
 12. 1. 2  高阶矩和线性时不变(LTI)系统                  
 12. 1. 3  线性信号模型的高阶矩                  
 12. 2  盲解卷积                  
 12. 3  无监督型自适应滤波器--盲均衡器                  
 12. 3. 1  盲均衡器                  
 12. 3. 2  码率盲均衡器                  
 12. 3. 3  常数模算法                  
 12. 4  分数间隔均衡器                  
 12. 4. 1  迫零分数间隔均衡器                  
 12. 4. 2  MMSE分数间隔均衡器                  
 12. 4. 3  盲分数间隔均衡器                  
 12. 5  分数极点-零点信号模型                  
 12. 5. 1  分数单位极点模型                  
 12. 5. 2  分数极点-零点模型                  
 12. 5. 3  对称. 稳定分数极点-零点过程                  
 12. 6  自相似随机信号模型                  
 12. 6. 1  自相似随机过程                  
 12. 6. 2  分数布朗运动                  
 12. 6. 3  分数高斯噪声                  
 12. 6. 4  分数布朗运动和分数高斯噪声的模拟                  
 12. 6. 5  长期记忆的估计                  
 12. 6. 6  分数Levy稳定运动                  
 12. 7  小结                  
 12. 8  习题                  
 附录A  矩阵求逆引理                  
 附录B  复数空间的梯度和优化                  
 附录C  MATLAB函数                  
 附录D  矩阵代数运算中的有用结果                  
 附录E  多项式的最小相位检测                  
 参考文献