动态数据建模与处理

第1章 随机信号及其统计描述 1.1 随机信号 1.2 随机信号的功率谱 1.3 随机信号通过线性系统 1.4 随机信号的参数估计 1.5 相关函数的估计 思考与练习第2章 时间序列及其参数模型 2.1 回归与差分方程 2.2 ARMA模型 2.3 ARMA过程的自相关函数 2.4 ARMA模型的参数估计 2.5 模型阶数估计 2.6 时间序列预报 思考与练习

第1章 随机信号及其统计描述 1.1 随机信号 1.2 随机信号的功率谱 1.3 随机信号通过线性系统 1.4 随机信号的参数估计 1.5 相关函数的估计 思考与练习第2章 时间序列及其参数模型 2.1 回归与差分方程 2.2 ARMA模型 2.3 ARMA过程的自相关函数 2.4 ARMA模型的参数估计 2.5 模型阶数估计 2.6 时间序列预报 思考与练习第3章 谱分析 3.1 传统功率谱估计 3.2 ARMA谱估计 3.3 最大熵谱估计 3.4 最大似然谱估计 思考与练习第4章 匹配滤波器 4.1 白噪声背景下的匹配滤波器 4.2 非白噪声下的匹配滤波器 4.3 离散时间序列的匹配滤波器 4.4 信号波形未知时构造匹配滤波器方法 思考与练习第5章 维纳滤波器 5.1 维纳-霍夫积分方程及其求解 5.2 维纳滤波器误差与输入信号正交性 5.3 离散维纳滤波器 5.4 维纳滤波用于信号预测 5.5 后验维纳滤波 思考与练习第6章 自适应滤波 6.1 绪论 6.2 自适应最小均方程差滤波 6.3 自适应最小二乘滤波 6.4 自适应信息处理的应用 思考与练习第7章 小波变换与多分辨率分析 7.1 时变信号与联合时频分析 7.2 连续小波变换 7.3 多分辨率分析 7.4 小波变换的数字计算与滤波器组 7.5 由滤波器确定尺度函数和小波函数 7.6 小波变换用于表征信号的突变性质 7.7 信号的理想重建 思考与练习第8章 人工神经网络 8.1 绪论 8.2 人工神经网络基础知识 8.3 前馈型神经网络 8.4 反馈型神经网络 8.5 随机型神经网络模型 8.6 自组织神经网络模型 8.7 神经网络软件的实现 思考与练习第9章 模糊信息处理 9.1 模糊数学基础 9.2 模糊聚类分析 9.3 模糊模式识别 9.4 模糊综合评判 9.5 模糊推理 9.6 模糊控制 思考与练习参考文献

全书从现代信号处理技术的理论、实现、应用几个方面着手，重点介绍现代信号处理技术的共性知识，讨论信息获取、处理及传输过程中的基本理论和基本方法，结合仪器科学与技术领域的特点，介绍现代信号处理的应用和实现技术。主要内容全部来源于相近学科近年来科研课题所涉及的实际技术问题，包括时间序列分析、谱分析、自适应信号处理、小波分析、神经网络技术、模式识别技术、模糊信息处理等。本书可作为现代信号处理有关的各专业研究生教材或教师教学参考书，也可作为相关专业的研究工作者和工程技术人员的参考书。