现代信号分析和处理

张旭东编著的《现代信号分析和处理》系统和深 入地介绍了现代数字信号分析和处理的基础以及一些 广泛应用的算法。前4章介绍了研究和学习现代数字信 号处理的重要基础，包括随机信号模型、估计理论概 要、最优滤波器理论、最小二乘滤波和卡尔曼滤波， 这些内容是信号处理统计方法的基础性知识；第5章～ 第8章详细讨论了几类广泛应用的典型算法，包括自适 应滤波算法、功率谱估计算法、高阶统计量和循环统 计量、信号的盲源分离；第9章～第11章包括时频分析 、小波变换原理及应用和信号的稀疏分析与压缩感知 。本书详细地介绍了近年受到广泛关注的一些前沿专 题，例如EM算法、粒子滤波、独立分量分析、盲源分 离的子空间方法、稀疏表示与压缩感知等，空间阵列 信号处理的一些初步内容会穿插在有关章节，但不单 独成章。本书在写作中既注重了内容的先进性和系统 性，也注重了内容的可读性。 本书适用于电子信息领域研究生课程，也可供各 类利用信号或数据分析作为工具的研究生、教师和科 技人员参考。

第0章 绪论 0.1 本书的主要内容 0.2 现代信号处理的几个应用实例 0.3 对信号处理的一些基本问题的讨论 0.4 一个简短的历史概述 卷一 信号处理的统计方法 第1章 随机信号基础及模型 1.1 随机信号基础 1.1.1 随机过程的概率密度函数表示 1.1.2 随机过程的基本特征 1.2 随机信号向量的矩阵特征 1.2.1 自相关矩阵 1.2.2 互相关矩阵 1.2.3 向量信号相关阵 1.3 常见信号实例 1.3.1 独立同分布和白噪声 1.3.2 复正弦加噪声 1.3.3 实高斯过程 1.3.4 复高斯过程 1.3.5 混合高斯过程 1.3.6 高斯-马尔可夫过程 1.4 随机信号的展开 1.4.1 随机信号的正交展开 1.4.2 基向量集的正交化 1.4.3 KL变换 1.4.4 主分量分析 1.4.5 由正交随机序列集表示一个随机信号 1.5 随机信号的功率谱密度 1.5.1 功率谱密度的定义和性质 1.5.2 随机信号通过线性系统 1.5.3 连续随机信号与离散随机信号的关系 1.6 随机信号的有理分式模型 1.6.1 谱分解定理 1.6.2 随机信号的ARMA模型 1.6.3 随机信号表示的进一步讨论 1.6.4 自相关与模型参数的关系 1.6.5 ARMA模型的扩展——ARIMA模型 1.7 小结与进一步阅读 习题 参考文献 第2章 估计理论基础 2.1 基本经典估计问题 2.1.1 经典估计基本概念和性能参数 2.1.2 几个常用估计量 2.2 克拉美-罗下界 2.3 最大似然估计(MLE) 2.4 贝叶斯估计 2.4.1 最小均方误差贝叶斯估计 2.4.2 贝叶斯估计的其他形式 2.5 线性贝叶斯估计器 2.6 最小二乘估计 2.6.1 加权最小二乘估计 2.6.2 正则化最小二乘估计 2.6.3 复数据的LS估计 2.7 EM算法 2.7.1 EM算法的特例和扩展 2.7.2 EM算法解高斯混合模型 2.8 小结与进一步阅读 习题 参考文献 第3章 最优滤波器 3.1 维纳滤波 3.1.1 实际问题中的维纳滤波 3.1.2 从估计理论观点导出维纳滤波 3.1.3 维纳滤波器正交原理 3.1.4 FIR维纳滤波器 卷二 时频分析和稀疏表示 附录A 矩阵论基础 附录B 优化方法概要 缩写词 索引