目录

第0章绪论

第1章时域离散随机信号分析

1.1随机信号

1.2平稳随机信号的时域统计表达

1.2.1平稳随机序列

1.2.2平稳随机信号的各态遍历性

1.3平稳随机信号的Z域及频域的统计表达

1.3.1相关函数的z变换

1.3.2平稳随机信号的功率密度谱

1.3.3功率谱的分类

1.4随机序列数字特征的估计 

1.4.1估计准则

1.4.2随机序列数字特征的估计

1.5平稳随机序列通过线性系统 

1.5.1系统响应的均值、自相关函数和平稳性分析

1.5.2输出响应的功率谱密度函数

1.5.3互相关函数及卷积定理

1.6时间序列信号模型

1.6.1三种时间序列模型

1.6.2三种时间序列信号模型的适用性

1.6.3自相关函数、功率谱与时间序列信号模型的关系

1.7应用实例

习题

第2章功率谱估计

2.1功率谱估计方法与特点

2.1.1经典谱估计方法

2.1.2现代谱估计方法

2.2经典功率谱估计

2.2.1BT法(间接法)

2.2.2周期图法(直接法)

2.2.3周期图法谱估计质量分析

2.3经典谱估计方法改进法

2.3.1窗函数法

2.3.2平均周期图法

2.3.3Welch法

2.4现代谱估计

2.4.1AR模型的尤尔沃克方法

2.4.2莱文森德宾算法

2.5应用实例

习题

第3章最优滤波和自适应滤波器设计

3.1维纳滤波器

3.1.1维纳滤波器概述

3.1.2维纳滤波器的时域解

3.1.3维纳滤波器的z域解

3.2卡尔曼(Kalman)滤波器

3.2.1卡尔曼滤波器信号模型

3.2.2卡尔曼滤波的递推算法

3.3自适应滤波器

3.3.1基本原理

3.3.2LMS自适应滤波器

3.3.3最陡下降法

3.3.4LMS算法流程

3.4应用实例

习题

第4章时频分析与小波变换

4.1时频分析的基本概念

4.2短时傅里叶变换 

4.2.1短时傅里叶变换的定义及其物理解释

4.2.2短时傅里叶变换的性质

4.2.3短时傅里叶变换的时间、频率分辨率

4.2.4短时傅里叶变换的计算

4.2.5从傅里叶变换到小波变换过程

4.3连续小波变换

4.3.1连续小波变换定义

4.3.2连续小波变换性质

4.3.3连续小波反变换及小波容许条件

4.3.4典型小波函数

4.3.5连续小波变换的计算

4.4离散小波变换

4.4.1离散小波变换定义

4.4.2离散小波变换的多分辨率分析

4.4.3小波变换与滤波器组

4.4.4Mallat快速算法

4.4.5小波包分析

4.4.6基于小波的信号处理

4.5应用实例

习题

第5章神经网络

5.1机器学习基础

5.1.1基本概念

5.1.2线性回归

5.1.3逻辑回归

5.2人工神经网络

5.2.1神经元

5.2.2MP神经元

5.2.3感知机

5.2.4多层神经网络模型

5.2.5误差反向传播算法

5.2.6激活函数

5.3卷积神经网络 

5.3.1特征工程

5.3.2图像卷积运算

5.3.3卷积神经网络的基本思想

5.3.4典型的卷积神经网络结构

5.4应用实例

5.4.1开发工具与环境创建

5.4.2一元线性回归应用实例

5.4.3手写字符识别应用实例

习题

第6章信号处理应用专题

6.1生物医学信号处理应用专题

6.1.1学科发展与系统组成

6.1.2医学信号处理关键设备

6.1.3生物医学信号及其类型

6.1.4脑电信号处理实例

6.1.5脑电信号的分析实例

6.1.6自适应噪声抵消法增强心电图实例

6.2图像信号处理应用专题

6.2.1基础知识

6.2.2典型数字图像处理应用

6.2.3图像信号处理应用实例

习题

参考文献