第1章 离散时间信号处理基础 1
1.1 离散时间信号 1
1.1.1 常用离散时间信号 1
1.1.2 序列的基本运算 2
1.2 离散时间系统 4
1.2.1 离散时间系统的分类 4
1.2.2 离散LTI系统的响应 6
1.3 傅里叶变换 8
1.3.1 离散时间傅里叶变换 8
1.3.2 离散傅里叶变换 10
1.3.3 快速傅里叶变换 11
1.4 z变换 14
1.4.1 z变换 14
1.4.2 逆z变换 16
1.5 数字滤波器 16
1.5.1 系统函数 17
1.5.2 频率响应 18
1.5.3 格型滤波器 20
本章小结 24
习题 25
第2章 随机信号分析基础 27
2.1 随机变量 27
2.1.1 概率分布函数与密度函数 27
2.1.2 随机变量的数字特征 28
2.2 随机过程 29
2.2.1 随机过程的基本统计量 30
2.2.2 独立、不相关与正交 32
2.3 几种典型的随机过程 33
2.3.1 复正弦加噪声 33
2.3.2 实高斯过程 34
2.3.3 谐波过程 34
2.3.4 高斯-马尔可夫过程 35
2.4 随机信号通过线性系统 36
2.4.1 时域分析 36
2.4.2 频域分析 37
2.5 谱分解定理 39
2.6 参数估计理论 41
2.6.1 估计量的性质 41
2.6.2 均值的估计 42
2.6.3 方差的估计 43
本章小结 44
习题 44
第3章 随机信号的线性模型 47
3.1 AR过程 47
3.1.1 AR（1）模型 47
3.1.2 AR（2）模型 49
3.1.3 AR（p）模型 52
3.2 MA过程 53
3.3 ARMA过程 55
3.4 三种模型间的关系 58
本章小结 60
习题 60
第4章 非参数谱估计 62
4.1 平稳随机信号的自相关估计 62
4.2 相关图法 66
4.3 周期图法 69
4.4 周期图法的改进 71
4.4.1 平滑单一周期图 71
4.4.2 多个周期图求平均 72
4.5 应用举例 76
4.5.1 语音频谱分析 76
4.5.2 语谱图 79
本章小结 83
习题 83
第5章 最优线性滤波器 86
5.1 最优信号估计 86
5.2 线性均方估计 87
5.2.1 误差性能曲面 89
5.2.2 线性最小均方误差估计器 92
5.2.3 正交原理 93
5.3 维纳滤波器 95
5.3.1 Wiener-Hopf方程 95
5.3.2 FIR维纳滤波器 96
5.4 最优线性预测 100
5.4.1 前向线性预测 101
5.4.2 后向线性预测 103
5.4.3 Levinson-Durbin算法 107
5.4.4 格型预测误差滤波器 109
本章小结 112
习题 112
第6章 最小二乘滤波和预测 114
6.1 最小二乘原理 114
6.2 线性最小二乘估计 115
6.2.1 正则方程 116
6.2.2 正交原理 118
6.2.3 投影算子 119
6.3 最小二乘FIR滤波器 120
6.4 最小二乘线性预测 127
本章小结 132
习题 133
第7章 参数谱估计 134
7.1 信号建模 134
7.2 AR模型谱估计 136
7.2.1 最大熵谱估计 136
7.2.2 自相关法 137
7.2.3 协方差法 139
7.2.4 改进的协方差法 141
7.2.5 Burg算法 143
7.2.6 AR模型阶的确定 147
7.3 MA模型谱估计 148
7.4 ARMA模型谱估计 149
7.5 应用举例 151
7.5.1 “预白化-后着色”谱估计 151
7.5.2 语音信号的线性预测 155
本章小结 159
习题 160
第8章 自适应滤波器 162
8.1 自适应滤波原理 162
8.2 最速下降法 165
8.3 LMS自适应滤波器 169
8.3.1 基本的LMS算法 170
8.3.2 LMS算法的收敛性分析 170
8.3.3 LMS算法的改进 177
8.4 最小二乘自适应滤波器 179
8.4.1 RLS算法 179
8.4.2 RLS算法的收敛性分析 182
8.5 应用举例 186
8.5.1 自适应干扰对消 187
8.5.2 自适应信道均衡器 193
本章小结 199
习题 200
参考文献 203