现代数字信号处理及其应用PDF电子书下载

第1章 离散时间信号与系统 1

1.1离散时间信号与系统基础 1

1.1.1离散时间信号的定义与分类 1

1.1.2离散时间信号的差分和累加 3

1.1.3离散时间系统定义及LTI特性 4

1.1.4 LTI离散时间系统响应——卷积和 4

1.1.5离散时间信号相关函数及卷积表示 5

1.2离散时间信号与系统的傅里叶分析 6

1.2.1复指数信号通过LTI系统的响应 6

1.2.2离散时间信号的傅里叶级数和傅里叶变换 6

1.2.3傅里叶变换的性质 7

1.2.4离散时间系统频率响应与理想滤波器 9

1.2.5离散时间信号的DFT和FFT 11

1.3离散时间信号的Z变换 14

1.3.1 Z变换的概念 14

1.3.2 Z变换的性质 15

1.3.3离散时间系统的z域描述——系统函数 18

1.3.4离散时间系统的方框图和信号流图表示 19

1.4 LTI离散时间系统性能描述 21

1.4.1系统的记忆性 21

1.4.2系统的因果性 21

1.4.3系统的可逆性 22

1.4.4系统的稳定性和最小相位系统 22

1.4.5线性相位系统与系统的群时延 23

1.5离散时间系统的格型结构 24

1.5.1全零点滤波器的格型结构 24

1.5.2全极点滤波器的格型结构 26

1.6连续时间信号的离散化及其频谱关系 27

1.7离散时间实信号的复数表示 29

1.7.1离散时间解析信号（预包络） 29

1.7.2离散时间希尔伯特变换 30

1.7.3离散时间窄带信号的复数表示（复包络） 31

1.8窄带信号的正交解调与数字基带信号 32

1.8.1模拟正交解调与采集电路原理 33

1.8.2数字正交解调与采集电路原理 33

1.8.3基带信号的随机相位与载波同步 34

1.9多相滤波与信道化处理 35

1.9.1横向滤波器的多相结构 35

1.9.2信号的均匀信道化 36

1.9.3基于多相滤波器组的信道化原理 38

习题 39

参考文献 44

第2章 离散时间平稳随机过程 45

2.1离散时间平稳随机过程基础 45

2.1.1离散时间随机过程及其数字特征 45

2.1.2离散时间平稳随机过程及其数字特征 48

2.1.3遍历性与统计平均和时间平均 49

2.1.4循环平稳性的概念 51

2.1.5随机过程间的独立、正交、相关 52

2.2平稳随机过程的自相关矩阵及其性质 54

2.2.1自相关矩阵的定义 54

2.2.2自相关矩阵的基本性质 54

2.2.3自相关矩阵的特征值与特征向量的性质 56

2.3离散时间平稳随机过程的功率谱密度 59

2.3.1功率谱的定义 59

2.3.2功率谱的性质 60

2.3.3平稳随机过程通过LTI离散时间系统的功率谱 60

2.4离散时间平稳随机过程的参数模型 62

2.4.1 Wold分解定理 62

2.4.2平稳随机过程的参数模型 64

2.5随机过程高阶累积量和高阶谱的概念 67

2.5.1高阶矩和高阶累积量 67

2.5.2高阶累积量的性质 70

2.5.3高阶谱的概念 70

习题 71

参考文献 74

第3章 功率谱估计和信号频率估计方法 75

3.1经典功率谱估计方法 75

3.1.1 BT法 75

3.1.2周期图法 78

3.1.3经典功率谱估计性能讨论 79

3.1.4经典功率谱估计的改进 82

3.1.5经典功率谱估计仿真实例及性能比较 84

3.2平稳随机过程的AR参数模型功率谱估计 86

3.2.1 AR参数模型的正则方程 87

3.2.2 AR参数模型的Levinson-Durbin迭代算法 89

3.2.3 AR参数模型功率谱估计步骤及仿真实例 92

3.2.4 AR参数模型功率谱估计性能讨论 94

3.3 MA参数模型和ARMA参数模型功率谱估计原理 96

3.3.1 MA参数模型的正则方程 96

3.3.2 ARMA参数模型的正则方程 99

3.4 MVDR信号频率估计方法 100

3.4.1预备知识：标量函数关于向量的导数和梯度的概念 101

3.4.2 MVDR滤波器原理 103

3.4.3 MVDR频率估计算法仿真实例 106

3.5 APES算法 106

3.5.1 APES算法原理 106

3.5.2 APES算法仿真实例 109

3.6基于相关矩阵特征分解的信号频率估计 110

3.6.1信号子空间和噪声子空间的概念 110

3.6.2 MUSIC算法 112

3.6.3 Root-MUSIC算法 114

3.6.4 Pisarenko谐波提取方法 116

3.6.5 ESPRIT算法 117

3.6.6信号源个数的确定方法 120

3.7谱估计在电子侦察中的应用实例 121

3.7.1常规通信信号的参数估计 121

3.7.2跳频信号的参数估计 124

习题 128

参考文献 132

第4章 维纳滤波原理及自适应算法 134

4.1自适应横向滤波器及其学习过程 134

4.1.1自适应横向滤波器结构 134

4.1.2自适应横向滤波器的学习过程和工作过程 135

4.2维纳滤波原理 136

4.2.1均方误差准则及误差性能面 136

4.2.2维纳-霍夫方程 137

4.2.3正交原理 138

4.2.4最小均方误差 139

4.2.5计算实例1：噪声中的单频信号估计 139

4.2.6计算实例2：信道传输信号的估计 142

4.3维纳滤波器的最陡下降求解方法 144

4.3.1维纳滤波的最陡下降算法 144

4.3.2最陡下降算法的收敛性 145

4.3.3最陡下降算法的学习曲线 147

4.3.4最陡下降算法仿真实例 148

4.4 LMS算法 149

4.4.1 LMS算法原理 149

4.4.2 LMS算法权向量均值的收敛性 151

4.4.3 LMS算法均方误差的统计特性 152

4.4.4 LMS算法仿真实例 155

4.4.5几种改进的LMS算法简介 156

4.5多级维纳滤波器理论 157

4.5.1输入向量满秩变换的维纳滤波 157

4.5.2维纳滤波器降阶分解原理 159

4.5.3维纳滤波器的多级表示 161

4.5.4基于输入信号统计特性的权值计算步骤 163

4.5.5一种阻塞矩阵的构造方法 164

4.5.6基于观测数据的权值递推算法 165

4.5.7仿真计算实例 168

习题 170

参考文献 172

第5章 维纳滤波在信号处理中的应用 174

5.1维纳滤波在线性预测中的应用 174

5.1.1线性预测器原理 174

5.1.2线性预测与AR模型互为逆系统 175

5.1.3基于线性预测器的AR模型功率谱估计 177

5.2前后向线性预测及其格型滤波器结构 178

5.2.1前后向线性预测器（FBLP）原理 178

5.2.2 FBLP的格型滤波器结构 180

5.2.3 Burg算法及其在AR模型谱估计中的应用 181

5.2.4 Burg算法功率谱估计仿真实验 184

5.3信道均衡 184

5.3.1离散时间通信信道模型 184

5.3.2迫零均衡滤波器 186

5.3.3基于MMSE准则的FIR均衡滤波器 190

5.3.4自适应均衡及仿真实例 191

5.4语音信号的线性预测编码 195

5.4.1语音信号的产生 195

5.4.2基于线性预测的语音信号处理 196

5.4.3仿真实验 201

习题 203

参考文献 205

第6章 最小二乘估计理论及算法 206

6.1预备知识：线性方程组解的形式 206

6.1.1线性方程组的唯一解 206

6.1.2线性方程组的最小二乘解 207

6.1.3线性方程组的最小范数解 207

6.2最小二乘估计原理 207

6.2.1最小二乘估计的确定性正则方程 207

6.2.2 LS估计的正交原理 210

6.2.3投影矩阵的概念 211

6.2.4 LS估计的误差平方和 211

6.2.5最小二乘方法与维纳滤波的关系 212

6.2.6应用实例：基于LS估计的信道均衡原理 213

6.3用奇异值分解求解最小二乘问题 214

6.3.1矩阵的奇异值分解 215

6.3.2奇异值分解与特征值分解的关系 216

6.3.3用奇异值分解求解确定性正则方程 216

6.3.4奇异值分解迭代计算简介 219

6.4基于LS估计的FBLP原理及功率谱估计 220

6.4.1 FBLP的确定性正则方程 220

6.4.2用奇异值分解实现AR模型功率谱估计 222

6.5递归最小二乘（RLS）算法 223

6.5.1矩阵求逆引理 223

6.5.2 RLS算法原理 224

6.5.3自适应均衡仿真实验 227

6.6基于QR分解的递归最小二乘（QR-RLS）算法原理 229

6.6.1矩阵的QR分解 229

6.6.2 QR-RLS算法 229

6.6.3基于Givens旋转的QR-RLS算法 231

6.6.4利用Givens旋转直接得到估计误差信号 237

6.6.5 QR-RLS算法的systolic多处理器实现原理 238

习题 240

参考文献 243

第7章 卡尔曼滤波 244

7.1基于新息过程的递归最小均方误差估计 244

7.1.1标量新息过程及其性质 244

7.1.2最小均方误差估计的新息过程表示 246

7.1.3向量新息过程及其性质 247

7.2系统状态方程和观测方程的概念 248

7.3卡尔曼滤波原理 251

7.3.1状态向量的最小均方误差估计 251

7.3.2新息过程的自相关矩阵 252

7.3.3卡尔曼滤波增益矩阵 253

7.3.4卡尔曼滤波的黎卡蒂方程 254

7.3.5卡尔曼滤波计算步骤 256

7.4卡尔曼滤波的统计性能 258

7.4.1卡尔曼滤波的无偏性 258

7.4.2卡尔曼滤波的最小均方误差估计特性 259

7.5卡尔曼滤波的推广 260

7.5.1标称状态线性化滤波 261

7.5.2扩展卡尔曼滤波 262

7.6卡尔曼滤波的应用 264

7.6.1卡尔曼滤波在维纳滤波中的应用 264

7.6.2卡尔曼滤波在雷达目标跟踪中的应用 266

7.6.3 α-β滤波的概念 270

7.6.4卡尔曼滤波在交互多模型算法中的应用 272

7.6.5卡尔曼滤波在数据融合中的应用 277

习题 281

参考文献 286

第8章 阵列信号处理与空域滤波 287

8.1阵列接收信号模型 287

8.1.1均匀线阵接收信号模型 287

8.1.2任意阵列（共形阵）接收信号模型 290

8.1.3均匀矩形阵接收信号模型 291

8.1.4均匀圆阵接收信号模型 292

8.2空间谱与DOA估计 293

8.3基于MUSIC算法的信号DOA估计方法 295

8.3.1 MUSIC算法用于信号DOA估计 295

8.3.2仿真实例 297

8.4信号DOA估计的ESPRIT算法 298

8.4.1 ESPRIT算法用于信号DOA估计的原理 298

8.4.2仿真实例 300

8.5干涉仪测向原理 301

8.5.1一维相位干涉仪测向原理 301

8.5.2二维相位干涉仪 302

8.6空域滤波与数字波束形成 303

8.6.1空域滤波和阵方向图 303

8.6.2数字自适应干扰置零 306

8.7基于MVDR算法的DBF方法 308

8.7.1 MVDR波束形成器原理 308

8.7.2 QR分解SMI算法 309

8.7.3 MVDR波束形成器实例 311

8.7.4 LCMV波束形成器简介 312

8.7.5 LCMV波束形成器的维纳滤波器结构 314

8.8空域APES数字波束形成和DOA估计方法 315

8.8.1前向SAPES波束形成器原理 316

8.8.2仿真实例 320

8.9多旁瓣对消数字自适应波束形成方法 321

8.9.1多旁瓣对消数字波束形成原理 321

8.9.2多旁瓣对消的最小二乘法求解 323

8.10阵列信号处理中的其他问题 325

8.10.1相关信号源问题 325

8.10.2宽带信号源问题 329

8.10.3阵列校正与均衡问题 332

习题 333

参考文献 338

第9章 盲信号处理 340

9.1盲信号处理的基本概念 340

9.1.1盲系统辨识与盲解卷积 340

9.1.2信道盲均衡 341

9.1.3盲源分离与独立分量分析（ICA） 341

9.1.4盲波束形成 342

9.2 Bussgang盲均衡原理 342

9.2.1自适应盲均衡与Bussgang过程 343

9.2.2 Sato算法 345

9.2.3恒模算法 345

9.2.4判决引导算法 347

9.3 SIMO信道模型及子空间盲辨识原理 348

9.3.1 SIMO信道模型 348

9.3.2 SIMO信道模型的Sylvester矩阵 350

9.3.3 SIMO信道的可辨识条件和模糊性 351

9.3.4基于子空间的盲辨识算法 352

9.4 SIMO信道的CR盲辨识原理及自适应算法 355

9.4.1 CR算法 355

9.4.2多信道LMS算法 357

9.5基于阵列结构的盲波束形成 360

9.5.1基于奇异值分解的降维预处理 360

9.5.2基于ESPRIT算法的盲波束形成 362

9.6基于信号恒模特性的盲波束形成 363

9.6.1 SGD-CMA算法 364

9.6.2 RLS-CMA算法 364

9.6.3解析恒模算法简介 366

习题 368

参考文献 370

索引 373

常用符号表 384