通信中盲信号处理理论与技术（下册）PDF电子书下载

第四篇 盲信号检测技术 327

第7章 盲突发信号检测技术 327

7.1盲突发信号检测概述 327

7.2盲突发信号检测技术 328

7.2.1盲突发信号能量检测方法 328

7.2.2基于多分辨分析的盲突发信号检测 330

7.2.3盲突发信号参数检测 335

7.3盲跳频信号检测 345

7.3.1盲跳频信号检测的一般方法 346

7.3.2单序列盲跳频信号检测算法 354

7.3.3多序列盲跳频信号检测算法 369

第8章 盲隐藏信号检测技术 381

8.1盲隐藏信号检测概述 381

8.2盲扩频信号检测 381

8.2.1直接序列扩频信号的低检测性特点 381

8.2.2盲扩频信号检测技术 383

8.3盲混合信号检测 398

8.3.1盲对称混合信号检测 399

8.3.2基于累积量和似然特征结合的盲对称混合信号检测 405

8.3.3基于累积量和谱线特征结合的盲对称混合信号检测 414

8.3.4基于信噪比估计的盲非对称混合信号检测 418

8.3.5基于时频域特征结合的盲非对称混合信号检测 422

参考文献 431

第五篇 盲信源分离技术 435

第9章 正定条件下混合信号盲源分离技术 435

9.1正定条件下混合信号盲源分离概述 435

9.1.1混合信号盲源分离的模型与定义 435

9.1.2正定条件下混合信号盲源分离的应用 439

9.2正定条件下混合信源数估计 440

9.2.1矩阵分解法 440

9.2.2基于信息论准则的算法 442

9.2.3基于盖尔圆准则的算法 444

9.3独立性准则 449

9.3.1互信息最小化准则（MMI） 449

9.3.2信息最大化准则（Infomax） 451

9.3.3非高斯最大化准则 452

9.4正定条件下盲源分离算法 453

9.4.1联合对角化算法（JADE） 454

9.4.2信息最大化算法（Infomax） 456

9.4.3等变自适应分解算法（EASI） 458

9.4.4固定点算法（FastICA） 459

9.5小结 462

第10章 欠定条件下混合信号盲源分离技术 463

10.1欠定条件下混合信号盲源分离概述 463

10.2欠定条件下混合信源数估计 463

10.2.1基于稀疏性的方法 463

10.2.2基于空间虚拟延迟抽头的方法 469

10.2.3基于高阶累积量的方法 473

10.3典型欠定条件下盲源分离算法 478

10.3.1基于比率矩阵聚类的欠定盲源分离算法 479

10.3.2基于检索平均的欠定盲源分离算法 485

10.4小结 490

第11章 单通道混合信号盲源分离技术 491

11.1单通道混合信号盲源分离概述 491

11.1.1单通道盲源分离的模型与定义 491

11.1.2单通道盲源分离的理论解释 496

11.2单通道盲源分离的性能界 503

11.2.1符号估计的性能界——联合界 503

11.2.2参数估计的性能界——克拉美罗界 509

11.2.3参数对分离性能的影响 512

11.3基于粒子滤波的混合信号盲分离 517

11.3.1粒子滤波算法的基本原理 518

11.3.2相同符号速率下的盲分离 525

11.3.3不同符号速率下的盲分离 532

11.3.4用过采样提高盲分离性能 537

11.4基于PSP的混合信号盲分离 539

11.4.1 PSP算法的基本原理 540

11.4.2 PSP用于混合信号盲分离 545

11.4.3 PSP盲分离的软输出计算 549

11.4.4自适应减少留存路径数的PSP盲分离 553

11.4.5能提供软输出的减路径盲分离 559

11.5小结 562

参考文献 564

第六篇 盲信源恢复技术 569

第12章 基于信号结构的盲信源恢复技术 569

12.1基于信号结构的盲信源恢复技术概述 569

12.2基于群路信号结构的盲源恢复技术 570

12.2.1误码对群路信号的影响 570

12.2.2基于群路信号帧结构的盲信源恢复 575

12.3基于IP信号结构的盲信源恢复技术 583

12.3.1基于IPv4协议结构的盲信源恢复模型 584

12.3.2基于IPv4协议结构的盲信源恢复技术 588

12.4基于编码信号结构的盲信源恢复技术 590

12.4.1结合HDLC帧结构的盲信源恢复技术 591

12.4.2结合扰码结构的盲信源恢复技术 594

第13章 压缩数据的盲信源恢复技术 601

13.1压缩数据的盲信源恢复概述 601

13.1.1压缩数据的盲信源恢复技术背景 601

13.1.2数据压缩方法简述 602

13.2压缩信源可容错性分析 612

13.2.1压缩数据可容错的直观理解 612

13.2.2压缩数据可容错的熵估计 612

13.2.3压缩信源可容错性的实验结果与分析 614

13.3压缩信源中的误码传播分析 616

13.3.1 LZ77算法编译码基本方法 617

13.3.2 LZ77算法误码传播分析 618

13.3.3实验结果与讨论 621

13.4基于特征和内容联合容错的盲信源恢复技术 622

13.4.1基于特征和内容联合容错算法概述 622

13.4.2基于特征的容错译码算法 624

13.4.3前向容错译码算法 624

13.4.4反馈容错译码算法 632

13.4.5实验与结果分析 635

参考文献 639

第七篇 盲信息辨识技术 640

第14章 盲信号特征辨识技术 640

14.1盲信号特征辨识技术概述 640

14.2信号指纹特征产生机理 642

14.2.1辐射源信号指纹的来源 642

14.2.2正交调制误差 643

14.2.3频率源的相位噪声 643

14.2.4功放的非线性误差 645

14.2.5瞬态响应 647

14.2.6发射通路等效滤波器 649

14.2.7其他发射机非理想特性 649

14.3辐射源指纹特征提取技术 650

14.3.1指纹特征的一般性要求 650

14.3.2基于机器学习的特征提取 651

14.3.3基于参数估计的特征提取 656

14.3.4基于域变换的特征提取 661

14.3.5信号指纹特征提取技术小结 666

14.4模式识别分类器技术 666

14.4.1 K最近邻分类器 667

14.4.2概率神经网络分类器 667

14.4.3支持向量机 668

14.5信号特征的盲信息辨识的实验与分析 671

14.5.1实验条件与方法 671

14.5.2实验结果统计与分析 672

14.5.3实验结论 682

第15章 不平衡类别的盲信息辨识 684

15.1不平衡类别盲信息辨识概述 684

15.2不平衡类别的支持向量机 687

15.2.1支持向量机原理与应用 688

15.2.2 SVM应用于不平衡类别的问题 690

15.2.3反类野点抑制的支持向量机 692

15.2.4实验结果 694

15.3不平衡类别的单边抽样Bagging算法 698

15.3.1综合学习算法介绍 698

15.3.2不平衡类别对AdaBoost综合学习算法的影响 701

15.3.3不平衡类别学习的关键结论 706

15.3.4单边Bagging 708

15.3.5 SSBagging的性能分析 711

15.4用属性Bagging增强kNN的性能 712

15.4.1 ABagging kNN 712

15.4.2 ABagging kNN的性能分析 714

15.5可信度投票法及CAB算法 717

15.5.1基于可信度的投票法 718

15.5.2 CAB算法 721

15.5.3 CAB算法性能分析 721

15.6基于单边抽样和可信度投票的属性Bagging 722

15.6.1 SSCAB 723

15.6.2 SSCAB的性能分析 723

附录A定理15.3.1的证明 725

附录B定理15.3.2的证明 725

附录C引理15.5.1的证明 726

参考文献 727