第1章 连续时间信号与系统 1
1.1 信号及其运算 1
1.2 连续时间系统的时域分析 11
1.3 连续时间系统的频域分析 20
第2章 离散时间信号与系统 42
2.1 离散序列及其基本运算 42
2.2 LTI离散时间系统的数学模型 48
2.3 线性常系数差分方程 49
2.4 系统的稳定性与因果性 51
2.5 模拟信号数字处理方法 52
2.6 Z变换与逆Z变换 58
2.7 离散傅里叶变换 69
2.8 快速傅立叶变换（FFT） 76
第3章 随机信号分析 86
3.1 随机信号 86
3.2 平稳随机信号的时域统计表达 88
3.3 平稳随机信号的z域及频域统计表达 92
3.4 线性系统对随机信号的响应 95
3.5 随机信号模型 99
3.6 随机信号非线性系统分析 104
第4章 高分辨时频分析 109
4.1 短时傅里叶变换 109
4.2 小波变换 110
4.3 三参数小波分析 117
4.4 S变换及广义S变换 123
第5章 统计学习方法 129
5.1 机器学习的基本方法 129
5.2 学习过程的一致性 133
5.3 推广性的界与结构风险最小化 138
第6章 神经网络学习方法 143
6.1 神经网络的逼近能力分析 143
6.2 神经网络训练与学习算法 145
6.3 结构风险最小化神经网络方法 154
6.4 前馈神经网络与统计模式识别的关系 160
第7章 支持向量机学习方法 166
7.1 最优分类面 166
7.2 广义最优分类面 168
7.3 规范化超平面集的子集结构 169
7.4 支持向量机 170
第8章 集成学习 177
8.1 集成学习方法 177
8.2 集成学习及其期望误差分析 180
8.3 双重神经网络集成学习 185
8.4 选择性支持向量机集成学习 189
参考文献 191