第1章 随机信号及其统计描述 1
1.1 随机信号 1
目录 1
1.2 随机信号的功率谱 4
1.3 随机信号通过线性系统 5
1.4 随机信号的参数估计 8
1.5 相关函数的估计 11
思考与练习 13
2.1 回归与差分方程 16
第2章 时间序列及其参数模型 16
2.2 ARMA模型 18
2.3 ARMA过程的自相关函数 22
2.4 ARMA模型的参数估计 26
2.5 模型阶数估计 34
2.6 时间序列预报 35
思考与练习 36
3.1 传统功率谱估计 40
第3章 谱分析 40
3.2 ARMA谱估计 51
3.3 最大熵谱估计 57
3.4 最大似然谱估计 67
思考与练习 70
第4章 匹配滤波器 73
4.1 白噪声背景下的匹配滤波器 73
4.2 非白噪声下的匹配滤波器 76
4.3 离散时间序列的匹配滤波器 80
4.4 信号波形未知时构造匹配滤波器方法 80
思考与练习 83
第5章 维纳滤波器 84
5.1 维纳-霍夫积分方程及其求解 84
5.2 维纳滤波器误差与输入信号正交性 88
5.3 离散维纳滤波器 88
5.4 维纳滤波用于信号预测 92
5.5 后验维纳滤波 95
思考与练习 96
第6章 自适应滤波 98
6.1 绪论 98
6.2 自适应最小均方误差（LMS）滤波 102
6.3 自适应最小二乘（RLS）滤波 124
6.4 自适应信息处理的应用 145
思考与练习 158
7.1 时变信号与联合时频分析 162
第7章 小波变换与多分辨率分析 162
7.2 连续小波变换 165
7.3 多分辨率分析 172
7.4 小波变换的数字计算与滤波器组 185
7.5 由滤波器确定尺度函数和小波函数 189
7.6 小波变换用于表征信号的突变性质 193
7.7 信号的理想重建 199
思考与练习 207
8.1 绪论 209
第8章 人工神经网络 209
8.2 人工神经网络基础知识 214
8.3 前馈型神经网络 227
8.4 反馈型神经网络 243
8.5 随机型神经网络模型 255
8.6 自组织神经网络模型 268
8.7 神经网络软件的实现 274
思考与练习 288
第9章 模糊信息处理 290
9.1 模糊数学基础 291
9.2 模糊聚类分析 298
9.3 模糊模式识别 303
9.4 模糊综合评判 306
9.5 模糊推理 309
9.6 模糊控制 314
思考与练习 320
参考文献 325