离散信号检测与估计

图书标准信息

• 作者 马淑芬 编
• 出版社 电子工业出版社
• 出版时间 2010-01
• 版次 1
• ISBN 9787121100673
• 定价 32.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 237页
• 字数 397千字

【内容简介】

本教材全面详细地介绍了随机信号处理的基础——信号检测与估计理论，共分三部分，第一部分概述了信号检测与估计理论的预备知识，包括随机变量及统计描述、随机过程及统计描述、Monte Carlo仿真方法。第二部分介绍了信号参量的估计理论和信号波形的滤波理论，包括各种估计准则下信号参量的估计方法及性质、Wiener滤波和Kalman滤波。第三部分介绍了信号的检测理论和信号波形的检测，包括简单假设检验、多元假设检验、复合假设检验，以及确定信号和随机信号的检测、未知参量的确定信号和随机参量信号的检测。

  本书注重结构的完整性和内容的系统性，重视理论联系实际，精心设计一些例题以加深读者对理论概念和方法的理解和掌握，所介绍的检测和估计方法均可在计算机上实现。

  本书可作为通信类、信息类、电子类、控制类和生物医学等专业高年级本科生和研究生的专业教材和参考书，也可作为相关科研人员的参考用书。

【目录】

第1章 引言  

　1.1 信号处理发展概述  

　1.2 随机信号的处理方法  

　1.3 信号检测与估计问题  

　1.4 信号检测与估计理论概述  

　1.5 几点说明  

第2章 基础知识  

　2.1 引言  

　2.2 随机变量  

　　2.2.1 随机变量的分布函数和概率密度函数  

　　2.2.2 随机变量的数字特征  

　　2.2.3 一些常用的随机变量  

　2.3 随机矢量  

　　2.3.1 随机矢量及其统计描述  

　　2.3.2 联合高斯随机矢量  

　2.4 随机过程  

　　2.4.1 随机过程的统计描述  

　　2.4.2 随机过程的平稳性  

　　2.4.3 随机过程的各态历经性  

　　2.4.4 平稳随机过程的功率谱密度  

　2.5 常用的随机过程  

　　2.5.1 白噪声  

　　2.5.2 高斯随机过程  

　2.6 Monte Carlo方法  

　　2.6.1 随机数的产生  

　　2.6.2 估计量的统计特性分析  

　2.7 小结  

　习题  

第3章 估计理论  

　3.1 引言  

　　3.1.1 估计的数学模型  

　　3.1.2 估计量的性质  

　3.2 最小方差无偏估计  

　　3.2.1 均方误差最小准则和最小方差无偏准则  

　　3.2.2 基于克拉美-罗不等式的最小方差无偏估计  

　　3.2.3 基于充分统计量的最小方差无偏估计  

　　3.2.4 最佳线性无偏估计  

　3.3 最大似然估计  

　　3.3.1 似然函数与概率函数  

　　3.3.2 最大似然估计的定义  

　　3.3.3 最大似然估计的构造  

　　3.3.4 最大似然估计的性质  

　　3.3.5 矢量参量的最大似然估计  

　3.4 最小二乘估计  

　　3.4.1 最小二乘估计的定义  

　　3.4.2 线性最小二乘估计  

　　3.4.3 线性最小二乘加权估计  

　　3.4.4 线性最小二乘估计量的性质  

　　3.4.5 线性最小二乘递推估计  

　　3.4.6 约束线性最小二乘估计  

　　3.4.7 非线性最小二乘估计  

　3.5 贝叶斯估计  

　　3.5.1 贝叶斯原理  

　　3.5.2 先验概率分布  

　　3.5.3 代价函数  

　　3.5.4 贝叶斯估计量的构造  

　　3.5.5 矢量参量的贝叶斯估计  

　　3.5.6 最小均方误差估计的性质  

　3.6 线性最小均方误差估计  

　　3.6.1 线性最小均方误差估计定义  

　　3.6.2 线性最小均方误差估计量的构造  

　　3.6.3 线性最小均方误差估计的性质  

　　3.6.4 贝叶斯高斯-马尔可夫定理  

　3.7 小结  

　习题  

第4章 波形估计  

　4.1 引言  

　4.2 Wiener滤波  

　　4.2.1 正交原理  

　　4.2.2 离散Wiener滤波  

　4.3 Kalman滤波  

　　4.3.1 随机过程的状态空间模型  

　　4.3.2 离散Kalman滤波  

　　4.3.3 Kalman滤波与Wiener滤波的关系  

　4.4 小结  

　习题  

第5章 检测理论  

第6章 信号波形的检测  

参考文献