第一章 引论 1
1.1 概要 1
1.2 消息、信号与信息 2
1.3 信息科学与信息工程 4
1.4 历史背景 5
1.5 随机信号处理 11
第二章 随机信号的表示 12
2.1 随机过程 12
2.2 随机过程分析 32
2.3 线性系统响应 40
2.4 随机过程的表示 48
2.5 随机信号模型 60
2.6 窄带信号 64
习题 84
第三章 检测理论 88
3.1 经典检测理论 89
3.2 贝叶斯准则 92
3.3 极大极小化准则 111
3.4 聂曼-皮尔逊准则 115
3.5 复合假设检测 124
3.6 序列检测 127
3.7 一般高斯问题的二元检测 132
习题 135
第四章 噪声中信号波形的检测 142
4.1 匹配滤波器的原理 142
4.2 白色噪声中已知信号的检测：相关接收机 162
4.3 非白噪声中已知信号的检测 180
4.4 具有多余参量信号的检测 188
习题 189
第五章 鲁棒检测 196
5.1 鲁棒性的概念 196
5.2 鲁棒规则 198
5.3 对平稳和无记忆随机过程的鲁棒检测 200
习题 220
第六章 非参量检测 222
6.1 非参量检测的基本概念 222
6.2 符号检测 223
6.3 秩检测 231
6.4 自适应检测 238
习题 242
第七章 参量估计 244
7.1 估计理论 244
7.2 最大似然估计 246
7.3 估计准则 250
7.4 随机参量的贝叶斯估计 256
7.5 线性均方估计 265
7.6 最小二乘法 272
7.7 估计量的性质 276
7.8 线性估计 283
7.9 非线性估计 287
7.10 非白色噪声估计 290
习题 296
第八章 波形估计 301
8.1 线性变换与正交原理 302
8.2 平稳随机过程的估计--维纳滤波 309
8.3 非平稳随机过程的估计--卡尔曼滤波 327
8.4 卡尔曼滤波和维纳滤波之间的关系 375
8.5 非线性估计 377
习题 381
第九章 功率谱估计 386
9.1 谱估计 386
9.2 谱估计的非参量方法 387
9.3 谱估计的参量方法 406
习题 420
第十章 自适应随机信号处理 424
10.1 数字滤波器 425
10.2 自适应处理器的结构 430
10.3 搜索性能表面的最速下降法 442
10.4 最小均方算法 454
10.5 递归自适应滤波器 458
10.6 自适应噪声对消 462
10.7 自适应陷波滤波器 468
10.8 分离信号和信号的谱线增强 476
习题 478
第十一章 在系统辨识方面的应用 482
11.1 系统辨识的概念 482
11.2 最小二乘法辨识 484
11.3 广义最小二乘辨识 489
11.4 考虑噪声情况下的线性离散系统模型 494
11.5 系统辨识的卡尔曼滤波方法 497
11.6 系统辨识的广义卡尔曼滤波法 498
11.7 最大似然辨识 499
习题 501
第十二章 在雷达系统方面的应用 502
12.1 雷达检测与跟踪的基本概念 502
12.2 雷达信号的检测 503
12.3 雷达恒虚警率处理 514
12.4 雷达参量的估计 531
12.5 机动目标跟踪 541
12.6 多目标跟踪 545
习题 553
参考文献 554