MATLAB信号处理PDF电子书下载

第1篇 数字信号处理工具箱 2

第1章 采样与波形发生 2

第2章 模拟滤波器设计 8

2.1 巴特沃思滤波器 8

2.1.1 有关函数介绍 8

2.1.2 应用实例 9

2.2 切比雪夫滤波器 9

2.2.1 ChebyshevⅠ型 9

2.2.2 ChebyshevⅡ型 10

2.3 椭圆滤波器 12

2.3.1 有关函数介绍 12

2.3.2 应用实例 12

2.4 贝塞尔滤波器 13

2.4.1 有关函数介绍 13

2.4.2 应用实例 13

2.5 频率变换 14

2.5.1 有关函数介绍 14

2.5.2 应用实例 16

2.6 模拟滤波器最小阶数的选择 17

2.6.1 有关函数介绍 17

2.6.2 应用实例 17

第3章 数字滤波器设计 20

3.1 IIR滤波器设计方法 20

3.2 IIR滤波器经典设计 20

3.2.1 IIR滤波器完全设计函数 20

3.2.2 模拟滤波器变换法 24

3.3 FIR滤波器设计方法 29

3.3.1 FIR窗函数设计 30

3.3.2 最优FIR滤波器设计 33

第4章 滤波器分析 36

4.1 时间响应 36

4.2 频率响应 39

4.3 零极点图 41

4.4 相时延 42

4.5 群延迟 43

第5章 随机信号的参数模型和功率谱估计 44

5.1 相关函数的估计 44

5.2 经典功率谱估计 47

5.3 AR模型功率谱估计 49

5.4 基于特征分解功率谱估计方法 52

第2篇 阵列信号处理工具箱 58

第6章 阵列信号处理工具箱 58

6.1 阵列信号处理工具箱的安装方法 58

6.2.1 系统需求 58

6.2.2 文件包下载及安装 58

6.2 阵列工具箱的命令使用步骤 58

6.3 应用举例 59

第7章 工具箱数据类型及变量说明 61

7.1 概述 61

7.1.1 数据类型总览 61

7.1.2 几何位置参数 62

7.1.3 天线定义参数 62

7.1.4 信号源定义参数 62

7.1.5 信号、频谱及参数 62

7.2 常用数据类型 62

7.3 特殊数据类型 65

7.4 函数总览 67

7.4.1 终端用户使用函数 67

7.4.2 扩展的可编程函数 70

第8章 坐标及各种约定 72

8.1 坐标系 72

8.1.1 DBT天线固定坐标系 72

8.1.2 DBT与标准球面坐标系关系 72

8.1.3 均匀线阵（ULA）坐标系 72

8.2 各种约定 73

第9章 常规应用举例 74

9.1 相关函数介绍 74

9.2 应用实例 76

9.2.1 用传统方法及MUSIC方法估计DOA 76

9.2.2 信号源间相干时的DOA估计 78

9.2.3 传统波束形成及MUSIC方法的AIMT应用 80

9.2.4 Parametric Target Model Fitting（PTMF）举例 81

9.2.5 Monte-Carlo仿真 83

9.2.6 绘制天线方向图 87

9.2.7 圆形阵列天线举例 89

第10章 雷达应用举例 92

10.1 相关函数介绍 92

10.2 应用实例 97

10.2.1 雷达信号仿真与雷达信号处理举例 97

10.2.2 雷达信号波束形成 102

10.2.3 脉冲压缩 106

第11章 宽带信号应用举例 111

11.1 相关函数介绍 111

11.2 应用实例 113

11.2.1 宽带信号的MUSIC及传统波束形成 113

11.2.2 宽带信号的阵元间延迟仿真 115

11.2.3 宽带信号的Monte-Carlo仿真及统计分析 117

11.3 总结 123

第3篇 时频分析工具箱 126

第12章 时频分析的基本理论 126

12.1 非平稳信号 126

12.1.1 时间表示和频率表示 126

12.1.2 局域化和Heisenberg-Gabor准则 127

12.1.3 解析信号 128

12.1.4 瞬时频率和群延迟 128

12.1.5 平稳性 128

12.2 第一类分析方法——核分解 129

12.2.1 短时傅里叶变换 129

12.2.2 时间尺度分析和小波变换 132

12.2.3 离散化表示 133

12.2.4 从核分解到能量分布 135

12.3 第二类分析方法——能量分布 136

12.3.1 Cohen类 137

12.3.2 仿射类 144

12.3.3 重排理论 155

第13章 时频分析工具箱 161

13.1 应用背景，系统需求及安装方法 161

13.2 时频分析工具箱概述 161

13.3 时频分析工具箱函数 165

13.3.1 信号产生文件 165

13.3.2 信号处理文件 187

14.3.3 其他相关函数 245

第14章 时频分析的应用实例 257

14.1 瞬时频率在雷达信号处理中的应用 257

14.1.1 基本理论 257

14.1.2 应用实例 258

14.2 利用Radon-Ambiguity变换估计线性调频信号的参数 260

14.3 基于尺度图和Unterberger分布局部奇异点的分析 262

14.3.1 基本理论 262

14.3.2 应用实例 263

14.4 基于时频分析的跳频信号参数盲估计方法 265

14.5 Gabor展开在信号检测中的应用 267

14.5.1 基本理论 267

14.5.2 应用实例 267

第4篇 高阶谱分析工具箱 270

第15章 高阶谱分析工具箱介绍 270

15.1 工具箱介绍和安装 270

15.1.1 高阶谱分析工具箱应用介绍 270

15.1.2 高阶谱分析工具箱安装 271

15.2 函数表 272

第16章 高阶统计量 275

16.1 高阶累积量和高阶谱定义 275

16.1.1 高阶累积量定义 275

16.1.2 高阶谱定义 276

16.2 高阶累积量特点 277

16.3 估计子的偏差和方差 278

第17章 非参数化高阶谱估计 279

17.1 高阶累积量的估计 279

17.2 有关函数介绍 279

17.3 双谱和互双谱的估计 281

17.3.1 功率谱估计 281

17.3.2 双谱和互双谱的估计方法 282

17.3.3 有关函数介绍 283

17.4 非高斯性和线性检验——Hinich检验 285

17.4.1 基本理论 286

17.4.2 有关函数介绍 287

第18章 参数模型高阶谱估计 289

18.1 ARMA模型及其模拟产生 289

18.2 MA模型的参数估计 290

18.2.1 基本理论 290

18.2.2 有关函数介绍 291

18.3 AR模型的参数估计 292

18.3.1 基本理论 292

18.3.2 有关函数介绍 292

18.4 ARMA模型参数估计 294

18.4.1 基本理论 294

18.4.2 有关函数介绍 295

18.5 AR阶数确定 297

18.5.1 基本理论 297

18.5.2 有关函数介绍 298

18.6 MA阶数确定 298

18.6.1 基本理论 298

18.6.2 有关函数介绍 299

第19章 线性预测模型 301

19.1 Levinson递归 301

19.2 Trench 递归 302

19.2.1 Trench递归基本理论 302

19.2.2 有关函数介绍 303

19.3 前向-后向最小平方解（FBLS） 305

19.4 自适应线性预测 306

19.5 RIV算法 306

19.5.1 基本理论 306

19.5.2 有关函数介绍 307

19.6 RIV算法：双格型形式 308

19.6.1 基本理论 308

19.6.2 有关函数介绍 309

19.7 小结 310

第20章 谐波恢复与DOA估计 311

20.1 分辨力和方差 312

20.2 AR和ARMA模型 313

20.3 Pisarenko’s方法 313

20.4 MUSIC算法 314

20.5 最小范数（Minimum-Norm）方法 314

20.6 ESPRTT方法 315

20.7 基于统计的估计子 316

20.8 基于累积量的估计 317

20.8.1 基本理论 317

20.8.2 相关函数介绍 317

20.9 小结 320

第21章 非线性随机过程 321

21.1 互双谱解 321

22.1.1 基本原理 321

21.1.2 有关函数介绍 322

21.2 傅里叶变换解 322

21.2.1 基本原理 322

21.2.2 有关函数介绍 323

21.3 二次相位耦合 324

21.3.1 基本原理 324

21.3.2 有关函数介绍 325

21.4 小结 326

第22章 Wigner时频分布 327

22.1 Wigner分布 327

22.1.1 基本理论 327

22.1.2 有关函数介绍 328

22.2 Wigner双谱 330

22.2.1 基本理论 330

22.2.1 有关函数介绍 331

22.3 Wigner Trispectrum 332

22.3.1 基本理论 332

22.3.1 有关函数介绍 333

22.4 小结 334

第23章 时延估计 335

23.1 基于互相关方法 335

23.1.1 基本理论 335

23.1.2 有关函数介绍 336

23.2 基于互累积量方法 337

23.2.1 基本理论 337

23.2.2 有关函数介绍 337

23.3 基于全息图的方法 338

23.3.1 基本理论 338

23.3.2 有关函数介绍 338

23.4 小结 339

第24章 应用实例 340

24.1 太阳黑子数据 340

24.2 笑的数据分析 343

24.3 陷阱和技巧 347

参考文献 349