成功加入购物车
图书条目标准图
正版现货
[美] 凯 著 / 电子工业出版社 / 2011-02 / 平装
售价 ¥ 249.10
品相 九品品相描述
优惠 满包邮
延迟发货说明
上书时间2019-12-24
卖家超过10天未登录
统计信号处理基础
《统计信号处理基础:估计与检测理论》是一部经典的有关统计信号处理的权威著作。全书分为两卷,分别讲解了统计信号处理基础的估计理论和检测理论。第一卷详细介绍了经典估计理论和贝叶斯估计,总结了各种估计方法,考虑了维纳滤波和卡尔曼滤波,并介绍了对复数据和参数的估计方法。本卷给出了大量的应用实例,范围包括高分辨率谱分析、系统辨识、数字滤波器设计、自适应噪声对消、自适应波束形成、跟踪和定位等;并且设计了大量的习题来加深对基本概念的理解。第二卷全面介绍了计算机上实现的最佳检测算法,并且重点介绍了现实中的信号处理应用,包括现代语音通信技术及传统的声呐/雷达系统。本卷从检测的基础理论开始,回顾了高斯、c2、F、瑞利及莱斯概率密度;讲解了高斯随机变量的二次型,以及渐近高斯概率密度和蒙特卡洛性能评估;介绍了基于简单假设检验的检测理论基础,包括Neyman-Pearson定理、无关数据的处理、贝叶斯风险、多元假设检验,以及确定性信号和随机信号的检测。最后详细分析了适合于未知信号和未知噪声参数的复合假设检验。
Steven M.Kay,美国RhodeIsland大学电子工程系的教授、信号处理领域的资深专家,曾经发表过大量的论文与学术报告,并且撰写过多部著作。Kay博士致力于频谱分析、检测和估计理论、统计信号处理等领域的研究工作。IEEE会士,曾经负责过IEEE声学、语音、信号处理委员会的频谱估计与建模领域的工作。
第一卷:统计信号处理基础--估计理论第1章引言1.1信号处理中的估计1.2估计的数学问题1.3估计量性能评估1.4几点说明参考文献习题第2章最小方差无偏估计2.1引言2.2小结2.3无偏估计量2.4最小方差准则2.5最小方差无偏估计的存在性2.6求最小方差无偏估计量2.7扩展到矢量参数参考文献习题第3章CramerRao下限3.1引言3.2小结3.3估计量精度考虑3.4CramerRao下限3.5高斯白噪声中信号的一般CRLB3.6参数的变换3.7扩展到矢量参数3.8矢量参数变换的CRLB3.9一般高斯情况的CRLB3.10WSS高斯随机过程的渐近CRLB3.11信号处理的例子参考文献习题附录3A标量参数CRLB的推导附录3B矢量参数CRLB的推导附录3C一般高斯CRLB的推导附录3D渐近CRLB的推导第4章线性模型4.1引言4.2小结4.3定义和性质4.4线性模型的例子4.5扩展到线性模型参考文献习题第5章一般最小方差无偏估计5.1引言5.2小结5.3充分统计量5.4求充分统计量5.5利用充分统计量求MVU估计量5.6扩展到矢量参数参考文献习题附录5ANeymanFisher因子分解定理(标量参数)的证明附录5BRaoBlackwellLehmannScheffe定理(标量参数)的证明第6章最佳线性无偏估计量6.1引言6.2小结6.3BLUE的定义6.4求BLUE6.5扩展到矢量参数6.6信号处理的例子参考文献习题附录6A标量BLUE的推导附录6B矢量BLUE的推导第7章最大似然估计7.1引言7.2小结7.3举例7.4求MLE7.5MLE的性质7.6变换参数的MLE7.7MLE的数值确定7.8扩展到矢量参数7.9渐近MLE7.10信号处理的例子参考文献习题附录7A蒙特卡洛方法附录7B标量参数MLE的渐近PDF附录7CEM算法例题中条件对数似然函数的推导第8章最小二乘估计8.1引言8.2小结8.3最小二乘估计方法8.4线性最小二乘估计8.5几何解释8.6按阶递推最小二乘估计8.7序贯最小二乘估计8.8约束最小二乘估计8.9非线性最小二乘估计8.10信号处理的例子参考文献习题附录8A按阶递推最小二乘估计的推导附录8B递推投影矩阵的推导附录8C序贯最小二乘估计的推导第9章矩方法9.1引言9.2小结9.3矩方法9.4扩展到矢量参数9.5估计量的统计评价9.6信号处理的例子参考文献习题第10章贝叶斯原理10.1引言10.2小结10.3先验知识和估计10.4选择先验PDF10.5高斯PDF的特性10.6贝叶斯线性模型10.7多余参数10.8确定性参数的贝叶斯估计参考文献习题附录10A条件高斯PDF的推导第11章一般贝叶斯估计量11.1引言11.2小结11.3风险函数11.4最小均方误差估计量11.5最大后验估计量11.6性能描述11.7信号处理的例子参考文献习题附录11A连续时间系统到离散时间系统的转换第12章线性贝叶斯估计量12.1引言12.2小结12.3线性MMSE估计12.4几何解释12.5矢量LMMSE估计量12.6序贯LMMSE估计12.7信号处理的例子-维纳滤波器参考文献习题附录12A贝叶斯线性模型的序贯LMMSE估计量的推导第13章卡尔曼滤波器13.1引言13.2小结13.3动态信号模型13.4标量卡尔曼滤波器13.5卡尔曼滤波器与维纳滤波器的关系13.6矢量卡尔曼滤波器13.7扩展卡尔曼滤波器13.8信号处理的例子参考文献习题附录13A矢量卡尔曼滤波器的推导附录13B扩展卡尔曼滤波器的推导第14章估计量总结14.1引言14.2估计方法14.3线性模型14.4选择一个估计量第15章复数据和复参数的扩展15.1引言15.2小结15.3复数据和复参数15.4复随机变量和PDF15.5复WSS随机过程15.6导数、梯度和最佳化15.7采用复数据的经典估计15.8贝叶斯估计15.9渐近复高斯PDF15.10信号处理的例子参考文献习题附录15A复协方差矩阵的性质的推导附录15B复高斯PDF性质的推导附录15CCRLB和MLE公式的推导第二卷:统计信号处理基础--检测理论第1章引言1.1信号处理中的检测理论1.2检测问题1.3检测问题的数学描述1.4检测问题的内容体系1.5渐近的作用1.6对读者的一些说明参考文献习题第2章重要PDF的总结2.1引言2.2基本概率密度函数及其性质2.3高斯随机变量的二次型2.4渐近高斯PDF2.5蒙特卡洛性能评估参考文献习题附录2A要求的蒙特卡洛实验次数附录2B正态概率纸附录2C计算高斯右尾概率及其逆的MATLAB程序附录2D计算中心化和非中心化2的右尾概率附录2E蒙特卡洛计算机模拟的MATLAB程序第3章统计判决理论I3.1引言3.2小结3.3NeymanPearson定理3.4接收机工作特性3.5无关数据3.6最小错误概率3.7贝叶斯风险3.8多元假设检验参考文献习题附录3ANeymanPearson定理附录3B最小贝叶斯风险检测器--二元假设附录3C最小贝叶斯风险检测器--多元假设第4章确定信号4.1引言4.2小结4.3匹配滤波器4.4广义匹配滤波器4.5多个信号4.6线性模型4.7信号处理的例子参考文献习题附录4A线性模型的简化形式第5章随机信号5.1引言5.2小结5.3估计器-相关器5.4线性模型5.5大数据记录的估计器-相关器5.6一般高斯检测5.7信号处理的例子参考文献习题附录5A估计器-相关器的检测性能第6章统计判决理论II6.1引言6.2小结6.3复合假设检验6.4复合假设检验方法6.5大数据记录时GLRT的性能6.6等效大数据记录检验6.7局部最大势检测器6.8多元假设检验参考文献习题附录6A渐近等效检验--无多余参数附录6B渐近等效检验--多余参数附录6CGLRT的渐近PDF附录6DLMP检验的渐近检测性能附录6E局部最优势检验的另一种推导附录6F广义ML准则的推导第7章具有未知参数的确定性信号7.1引言7.2小结7.3信号建模和检测性能7.4未知幅度7.5未知到达时间7.6正弦信号检测7.7经典线性模型7.8信号处理的例子参考文献习题附录7A能量检测器的渐近性能附录7B经典线性模型GLRT的推导第8章未知参数的随机信号8.1引言8.2小结8.3信号协方差不完全已知8.4大数据记录的近似8.5弱信号检测8.6信号处理的例子参考文献习题附录8A周期高斯随机过程PDF的推导第9章未知噪声参数9.1引言9.2小结9.3一般考虑9.4白高斯噪声9.5有色WSS高斯噪声9.6信号处理的例子参考文献习题附录9A推导对于σ2未知的经典线性模型的GLRT附录9B对具有未知噪声参数的一般线性模型的Rao检验附录9C信号处理例子的渐近等效Rao检验第10章非高斯噪声10.1引言10.2小结10.3非高斯噪声的性质10.4已知确定性信号10.5未知参数确定性信号10.6信号处理的例子参考文献习题附录10ANP检测器对微弱信号的渐近性能附录10BIID非高斯噪声中线性模型信号的Rao检验第11章检测器总结11.1引言11.2检测方法11.3线性模型11.4选择一个检测器11.5其他方法和其他参考教材参考文献第12章模型变化检测12.1引言12.2小结12.3问题的描述12.4基本问题的扩展12.5多个变化时刻12.6信号处理的例子参考文献习题附录12A分段的通用动态规划方法附录12B动态规划的MATLAB程序第13章复矢量扩展及阵列处理13.1引言13.2小结13.3已知PDF13.4具有未知参数的PDF13.5矢量观测和PDF13.6矢量观测量的检测器13.7大数据记录的估计器-相关器13.8信号处理的例子参考文献习题附录13A复线性模型GLRT的PDF附录1重要概念回顾附录2符号和缩写术语表
展开全部
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30