作者簡介
統計信號處理基礎編輯推薦
本書共分為兩卷，全面介紹了檢測、估計與濾波的基本原理，並且分析了許多信號處理的套用實例。
第一卷：統計信號處理基礎——估計理論，主要介紹了參數估計的基本方法和最佳濾波。參數估計方法包括最小方差無偏估計、線性最小方差無偏估計、最大似然估計、最小二乘估計、貝葉斯估計、最大後驗機率估計和線性最小均方估計等。本卷介紹了CRLB、有效估計量和充分估計量的概念，並通過大量的套用實例來說明這些方法。最佳濾波則包括了維納濾波和卡爾曼濾波。
第二卷：統計信號處理基礎——檢測理論，主要介紹了檢測的基本理論，包括假設檢驗的基本判決準則和噪聲中信號的檢測。基本判決準則包括貝葉斯準則、Ney rman-Pearsoll準則、最大後驗機率準則、極大極小準則、最大似然準則。本卷深入討論了?義似然比檢驗、Wald檢驗、rao檢驗等，分析了大數據記錄的漸近性能，並介紹了確定信號、隨機信號的檢測和匹配濾波器，其中包括含有未知參數的信號檢測問題。第二卷還討論了非高斯信號的檢測、複數據的擴展和陣列處理。設計了幾百個習題來加深對概念的理解，並推導了許多附加的結論每一卷都專門有一章用來總結各種檢測、估計方法，包括所有基本方法的概述，以及選擇某一特定方法的決策過程檢測與估計理論的分析過程都考慮了工程中最常見的、也是易於處理的線性模型，並推導了針對線性模型的統計信號處理算法及其性能表達式採用複數據的檢測和估計方法給出了大量的例子，其中許多是工程技術領域的信號處理實例，如高解析度譜分析、系統辯識、自適應噪聲對消、自適應波波束形成、跟蹤與定位、陣列信號處理、通信中的信道容量、節拍延遲信道模型、主動式聲吶／雷達檢測和周期隨機信號的檢測等。
內容簡介
本書是一部經典的有關統計信號處理的權威著作。全書分為兩卷，分別講解了統計信號處理基礎的估計理論和檢測理論。第一卷詳細介紹了經典估計理論和貝葉斯估計，總結了各種估計方法，考慮了維納濾波和卡爾曼濾波，並介紹了對複數據和參數的估計方法。本卷給出了大量的套用實例，範圍包括高解析度譜分析、系統辨識、數字濾波器設計、自適應噪聲對消、自適應波束形成、跟蹤和定位等；並且設計了大量的習題來加深對基本概念的理解。第二卷全面介紹了計算機上實現的最佳檢測算法，並且重點介紹了現實中的信號處理套用，包括現代語音通信技術及傳統的聲吶/雷達系統。本卷從檢測的基礎理論開始，回顧了高斯、c2、F、瑞利及萊斯機率密度；講解了高斯隨機變數的二次型，以及漸近高斯機率密度和蒙特卡洛性能評估；介紹了基於簡單假設檢驗的檢測理論基礎，包括Neyman-Pearson定理、無關數據的處理、貝葉斯風險、多元假設檢驗，以及確定性信號和隨機信號的檢測。最後詳細分析了適合於未知信號和未知噪聲參數的複合假設檢驗。讀者對象：本書可以作為電子信息類研究生統計信號處理課程的教材或教學參考書，也可供從事信號處理的教學、科研和工程技術人員參考。
目錄
第一卷：統計信號處理基礎——估計理論
第1章 引言
1.1 信號處理中的估計
1.2 估計的數學問題
1.3 估計量性能評估
1.4 幾點說明
參考文獻
習題
第2章 最小方差無偏估計
2.1 引言
2.2 小結
2.3 無偏估計量
2.4 最小方差準則
2.5 最小方差無偏估計的存在性
2.6 求最小方差無偏估計量
2.7 擴展到矢量參數
參考文獻
習題
第3章 Cramer?Rao下限
3.1 引言
3.2 小結
3.3 估計量精度考慮
3.4 Cramer?Rao下限
3.5 高斯白噪聲中信號的一般CRLB
3.6 參數的變換
3.7 擴展到矢量參數
3.8 矢量參數變換的CRLB
3.9 一般高斯情況的CRLB
3.10 WSS高斯隨機過程的漸近CRLB
3.11 信號處理的例子
參考文獻
習題
附錄3A 標量參數CRLB的推導
附錄3B 矢量參數CRLB的推導
附錄3C 一般高斯CRLB的推導
附錄3D 漸近CRLB?推導
第4章 線性模型
4.1 引言
4.2 小結
4.3 定義和性質
4.4 線性模型的例子
4.5 擴展到線性模型
參考文獻
習題
第5章 一般最小方差無偏估計
5.1 引言
5.2 小結
5.3 充分統計量
5.4 求充分統計量
5.5 利用充分統計量求MVU估計量
5.6 擴展到矢量參數
參考文獻
習題
附錄5A Neyman?Fisher因子分解定理（標量參數）的證明
附錄5B Rao?Blackwell?Lehmann?Scheffe定理（標量參數）的證明
第6章 最佳線性無偏估計量
6.1 引言
6.2 小結
6.3 BLUE的定義
6.4 求BLUE
6.5 擴展到矢量參數
6.6 信號處理的例子
參考文獻
習題
附錄6A 標量BLUE的推導
附錄6B 矢量BLUE的推導
第7章 最大似然估計
7.1 引言
7.2 小結
7.3 舉例
7.4 求MLE
7.5 MLE的性質
7.6 變換參數的MLE
7.7 MLE的數值確定
? 7.8 擴展到矢量參數
7.9 漸近MLE
7.10 信號處理的例子
參考文獻
習題
附錄7A 蒙特卡洛方法
附錄7B 標量參數MLE的漸近PDF
附錄7C EM算法例題中條件對數似然函式的推導
第8章 最小二乘估計
第二卷：統計信號處理基礎——檢測理論
