统计信号处理基础（Fundamentals of Statistical Signal Processing）

\"本书系统和深入介绍随机信号处理的各种理论和方法。内容主要包括平稳信号的离散时间随机过程、信号建模、功率谱估计、维纳滤波、卡尔曼滤波、自适应滤波等，旨在利用数学中的概率统计观点对工程实践中涉及的随机问题进行建模、分析和处理，有关理论和方法已广泛应用于雷达、通信、语音处理、图像处理、自动控制、生物医学等领域。本书共六章，结构安排如下：第 1 章引言部分，对统计信号处理每个部分内容做简要概述；第 2 章介绍离散时间随机信号，主要包括随机过程的定义及统计 特性、平稳随机过程及其时域与频域相关性质、随机信号通过线性系统的分析， 典型的随机过程等；第 3 章对随机信号的建模进行分析，主要包括自回归滑动平均模型、滑动平均模型等；第 4 章为随机信号功率谱估计的数学分析方法，主要 包括非参数化谱估计和参数化谱估计；第 5 章介绍最优滤波的相关知识；第 6 章 介绍自适应滤波理论与算法。每章均配以相应的课后习题，MATLAB 实验习题，以及相对应的辅助文献或教材书籍，可供读者查阅使用。 本书主要用于硕士研究生的“统计信号处理基础(全英文)”课程的教学用书。同时也为有数字信号处理和随机信号分析基础的相关科研人员及研究生学习统计信号处理课程提供教学和参考资料，具有一定的借鉴意义。\"

贾丽娟，女，北京理工大学信息与电子学院副教授。1999年留学于日本九州大学，2002年3月获得电气电子工学博士学位。2002年4月至2005年3月日本九州大学讲师，COE特别学术研究员。2005年5月回国，同年7月到北京理工大学信息与电子学院工作至今。2013年11月至2014年8月赴美国加州大学洛杉矶分校访问学者。主要从事多智能体系统理论，系统建模与辨识，统计与自适应信号处理，分布式协同信号与信息处理，机器学习，大数据处理等方面的理论及应用研究。曾任2011年度中国研究生电子设计竞赛北京分赛区命题与评审委员会秘书长，中国电子学会物联网专家委员会物联网技术与应用丛书编辑委员会委员秘书。主持教育部留学回国人员科研启动资金项目、北京理工大学校基础研究基金项目，参与和承担国家自然科学基金国家重大科研仪器研发项目、国家杰出青年科学基金项目、总装预研项目、自然科学基金重大项目、国家973项目、国家自然科学基金面上项目等多项科研项目，已发表学术论文70余篇，其中SCI、EI收录论文50余篇。

Chapter 1 Introduction 1.1 Discrete-Time Stochastic Processes 1.2 Signal Modeling 1.3 Spectrum Estimation 1.4 Optimal Filters 1.5 Adaptive Filters 1.6 Organization of This Book Chapter 2 Discrete Time Stochastic Processes 2.1 Introduction 2.2 Definitions of Random Processes 2.3 Time-Domain Statistical Characteristics 2.4 Frequency-Domain Statistical Characteristics 2.5 Filtering Random Processes 2.6 Special Types of Random Processes 2.7 Summary Exercises References Chapter 3 Signal Modeling 3.1 Introduction 3.2 All-Pole Models 3.3 All-Zero Models 3.4 Pole-Zero Models 3.5 Summary Exercises References Chapter 4 Spectrum Estimation 4.1 Introduction 4.2 Nonparametric Methods 4.3 Parametric Methods 4.4 Other Methods 4.5 Summary Exercises References Chapter 5 Optimum Filters 5.1 Introduction 5.2 The FIR Wiener Filter 5.3 The IIR Wiener Filter 5.4 Least-Squares Filter 5.5 Discrete Kalman Filter 5.6 Summary Exercises References Chapter 6 Adaptive Filters 6.1 Introduction 6.2 LMS Adaptive Filter 6.3 Affine Projection Adaptive Filter 6.4 RLS Adaptive Filter 6.5 Summary Exercises References