信号检测与估值

第一章 引言 1.1 信号检测与估计理论的研究对象和处理方法 1.2 信号的检测与估计理论概述 1.3 内容编排第二章 信号检测与估计理论的基础知识 2.1 条件概率与贝叶斯公式 2.2 随机过程及其统计描述 2.2.1 随机过程的基本概念 2.2.2 随机过程的统计描述 2.2.3 随机过程的统计平均量 2.2.4 随机过程的正交性、不相关性和统计独立性 2.2.5 平稳随机过程的功率谱密度 2.3 几种重要的概率密度函数及其性质 2.3.1 高斯（正态）分布 2.3.2 chi平方（中心化）分布 2.3.3 chi平方（非中心化）分布 2.3.4 瑞利分布 2.3.5 莱斯分布 2.4 白噪声、高斯白噪声和有色噪声 2.4.1 白噪声和高斯白噪声 2.4.2 有色噪声 2.5 蒙特卡罗实验性能评估第三章 信号的统计检测理论 3.1 假设检验 3.1.1 二元假设检验 3.1.2 多元假设检验 3.1.3 统计信号检测系统的设计思想 3.2 判决准则 3.2.1 贝叶斯（Bayes）准则 3.2.2 最小错误概率准则 3.2.3 最大似然准则 3.2.4 奈曼—皮尔逊（Neyman—Pearson）准则 3.2.5 极小化极大准则 3.3 多元假设检验的判决准则 3.3.1 多元假设检验的贝叶斯准则 3.3.2 多元假设检验的最小错误概率准则 3.3.3 多元假设检验的最大似然准则 习题第四章 信号波形检测 4.1 匹配滤波器理论 4.1.1 匹配滤波器的概念 4.1.2 输出信噪比的定义 4.1.3 匹配滤波器的设计 4.1.4 匹配滤波器的性质 4.1.5 匹配滤波器的实现 4.1.6 有色噪声背景下的匹配滤波器 4.2 确知信号的检测 4.2.1 独立样本的获取 4.2.2 接收机的设计（求检验统计量的过程） 4.2.3 接收机的性能 4.3 参量信号的检测——贝叶斯方法 4.3.1 贝叶斯方法原理 4.3.2 高斯白噪声中随机相位信号波形检测 4.3.3 高斯白噪声中振幅和相位信号波形检测 4.3.4 高斯白噪声中随机到达频率信号波形检测 4.3.5 高斯白噪声中随机到达时间信号波形检测 4.3.6 高斯白噪声中随机频率和到达时间信号波形检测 4.4 参量信号的检测——广义似然比方法 4.4.1 广义似然比方法原理 4.4.2 高斯白噪声中幅度未知信号波形检测 4.4.3 高斯白噪声中未知到达时间信号波形检测 4.4.4 高斯白噪声中正弦信号波形检测 4.5 一致最大势检测器 4.6 高斯白噪声中高斯分布随机信号的检测 4.6.1 检测的判决表示式 4.6.2 接收机结构 4.6.3 接收机的性能分析 习题第五章 信号参量的估计 5.1 引言 5.2 估计量的性质 5.2.1 无偏性 5.2.2 有效性 5.2.3 一致性 5.2.4 充分性 5.3 贝叶斯估计 5.3.1 贝叶斯估计（Bayes Estimation）准则 5.3.2 最小均方误差估计 5.3.3 后验中值估计 5.3.4 最大后验概率估计 5.3.5 最小均方误差估计的优点 5.4 最大似然估计 5.4.1 最大似然估计 5.4.2 高斯白噪声中信号参量的估计 5.5 线性最小均方估计 5.5.1 线性最小均方估计 5.5.2 线性最小均方估计量的性质 5.5.3 线性最小均方递推估计 5.5.4 非白噪声中信号参量的估计 5.6 多参量估计 5.6.1 贝叶斯估计与最大似然估计 5.6.2 线性最小均方估计 5.7 最小二乘估计 5.7.1 最小二乘估计方法 5.7.2 线性最小二乘估计 5.7.3 线性最小二乘加权估计 5.7.4 线性最小二乘递推估计 5.7.5 单参量的线性最小二乘估计 5.7.6 非线性最小二乘估计 习题第六章 信号波形估计 6.1 引言 6.1.1 信号波形估计的基本概念 6.1.2 信号波形估计的准则和方法 6.2 正交原理与投影 6.2.1 正交投影的概念 6.2.2 正交投影的引理 6.3 维纳滤波 6.3.1 连续过程的维纳滤波 6.3.2 离散过程的维纳滤波 6.4 离散卡尔曼滤波 6.4.1 离散卡尔曼滤波的信号模型——离散状态方程和观测方程 6.4.2 散卡尔曼滤波 6.4.3 状态为标量时的离散卡尔曼滤波 6.5 维纳滤波与卡尔曼滤波的关系附录参考文献

第一章 引言 1.1 信号检测与估计理论的研究对象和处理方法 1.2 信号的检测与估计理论概述 1.3 内容编排第二章 信号检测与估计理论的基础知识 2.1 条件概率与贝叶斯公式 2.2 随机过程及其统计描述 2.2.1 随机过程的基本概念 2.2.2 随机过程的统计描述 2.2.3 随机过程的统计平均量 2.2.4 随机过程的正交性、不相关性和统计独立性 2.2.5 平稳随机过程的功率谱密度 2.3 几种重要的概率密度函数及其性质 2.3.1 高斯（正态）分布 2.3.2 chi平方（中心化）分布 2.3.3 chi平方（非中心化）分布 2.3.4 瑞利分布 2.3.5 莱斯分布 2.4 白噪声、高斯白噪声和有色噪声 2.4.1 白噪声和高斯白噪声 2.4.2 有色噪声 2.5 蒙特卡罗实验性能评估第三章 信号的统计检测理论 3.1 假设检验 3.1.1 二元假设检验 3.1.2 多元假设检验 3.1.3 统计信号检测系统的设计思想 3.2 判决准则 3.2.1 贝叶斯（Bayes）准则 3.2.2 最小错误概率准则 3.2.3 最大似然准则 3.2.4 奈曼—皮尔逊（Neyman—Pearson）准则 3.2.5 极小化极大准则 3.3 多元假设检验的判决准则 3.3.1 多元假设检验的贝叶斯准则 3.3.2 多元假设检验的最小错误概率准则 3.3.3 多元假设检验的最大似然准则 习题第四章 信号波形检测 4.1 匹配滤波器理论 4.1.1 匹配滤波器的概念 4.1.2 输出信噪比的定义 4.1.3 匹配滤波器的设计 4.1.4 匹配滤波器的性质 4.1.5 匹配滤波器的实现 4.1.6 有色噪声背景下的匹配滤波器 4.2 确知信号的检测 4.2.1 独立样本的获取 4.2.2 接收机的设计（求检验统计量的过程） 4.2.3 接收机的性能 4.3 参量信号的检测——贝叶斯方法 4.3.1 贝叶斯方法原理 4.3.2 高斯白噪声中随机相位信号波形检测 4.3.3 高斯白噪声中振幅和相位信号波形检测 4.3.4 高斯白噪声中随机到达频率信号波形检测 4.3.5 高斯白噪声中随机到达时间信号波形检测 4.3.6 高斯白噪声中随机频率和到达时间信号波形检测 4.4 参量信号的检测——广义似然比方法 4.4.1 广义似然比方法原理 4.4.2 高斯白噪声中幅度未知信号波形检测 4.4.3 高斯白噪声中未知到达时间信号波形检测 4.4.4 高斯白噪声中正弦信号波形检测 4.5 一致最大势检测器 4.6 高斯白噪声中高斯分布随机信号的检测 4.6.1 检测的判决表示式 4.6.2 接收机结构 4.6.3 接收机的性能分析 习题第五章 信号参量的估计 5.1 引言 5.2 估计量的性质 5.2.1 无偏性 5.2.2 有效性 5.2.3 一致性 5.2.4 充分性 5.3 贝叶斯估计 5.3.1 贝叶斯估计（Bayes Estimation）准则 5.3.2 最小均方误差估计 5.3.3 后验中值估计 5.3.4 最大后验概率估计 5.3.5 最小均方误差估计的优点 5.4 最大似然估计 5.4.1 最大似然估计 5.4.2 高斯白噪声中信号参量的估计 5.5 线性最小均方估计 5.5.1 线性最小均方估计 5.5.2 线性最小均方估计量的性质 5.5.3 线性最小均方递推估计 5.5.4 非白噪声中信号参量的估计 5.6 多参量估计 5.6.1 贝叶斯估计与最大似然估计 5.6.2 线性最小均方估计 5.7 最小二乘估计 5.7.1 最小二乘估计方法 5.7.2 线性最小二乘估计 5.7.3 线性最小二乘加权估计 5.7.4 线性最小二乘递推估计 5.7.5 单参量的线性最小二乘估计 5.7.6 非线性最小二乘估计 习题第六章 信号波形估计 6.1 引言 6.1.1 信号波形估计的基本概念 6.1.2 信号波形估计的准则和方法 6.2 正交原理与投影 6.2.1 正交投影的概念 6.2.2 正交投影的引理 6.3 维纳滤波 6.3.1 连续过程的维纳滤波 6.3.2 离散过程的维纳滤波 6.4 离散卡尔曼滤波 6.4.1 离散卡尔曼滤波的信号模型——离散状态方程和观测方程 6.4.2 散卡尔曼滤波 6.4.3 状态为标量时的离散卡尔曼滤波 6.5 维纳滤波与卡尔曼滤波的关系附录参考文献
· · · · · · (收起)