林岚、吴水才主编的《现代医学信号处理》的主要内容有随机信号分析基础、平稳随机信号的线性模型及谱估计、维纳滤波器与卡尔曼滤波器、自适应滤波、时频分析与小波变换、主成分分析与独立成分分析。为加深对基本概念和基本理论的理解，加强对基本方法和基本技能的掌握，本书**章对现代信号处理理论及其数学基础进行了扼要的复习，并在各个章节末安排了习题，书中还给出了某些重要公式的推导过程。现代医学信号处理是一门理论和技术发展十分迅速、应用非常广泛的前沿交叉性学科。因此在使用本教材时，要特别注意对基本概念、基本理论、基本方法和基本技能的掌握，在此基础上努力把理论和实际应用很好地结合起来，不断跟踪本学科本领域的新发展。这样，才有可能在自己的工作和学习中争取作出创造性的成果。
　　本书可作为高等学校研究生的学习教材，也可作为报考生物医学工程、电子信息专业及其他相关专业研究生的复习参考书。

前言
第1章  随机信号分析基础
1.1 信号的分类
1.1.1 信息与信号的概念及性质
1.1.2 信号的一般分类方法
1.1.3 几种简单的信号处理方法
1.2 随机事件及其概率
1.2.1 随机事件
1.2.2 排列与组合
1.2.3 频率与概率的定义
1.3 随机变量及其概率分布
1.3.1 离散型随机变量定义
1.3.2 离散型随机变量的分布列
1.4 随机变量的数字特征
1.4.1 数学期望
1.4.2 方差
1.4.3 协方差和矩
1.5 平稳随机过程
1.5.1 随机过程的各态历经性
1.5.2 各态历经平稳随机过程自相关函数的性质
1.6 生物医学信号的分类及特点
1.6.1 生物医学信号的分类
1.6.2 生物医学信号的特点
习题
参考文献
第2章  平稳随机信号的线性模型及谱估计
2.1 平稳随机信号模型分类
2.2 AR模型
2.2.1 AR模型的正则方程与参数计算
2.2.2 AR模型谱估计的性质
2.3 MA模型
2.3.1 MA模型及其正则方程
2.3.2 MA模型的参数求解方法
2.4 ARMA模型
2.5 ARMA、MA和AR模型间的关系
2.6 功率谱估计
2.6.1 经典功率谱估计
2.6.2 最大熵谱估计方法
2.7 应用举例
习题
参考文献
第3章  维纳滤波器和卡尔曼滤波器
3.1 概述
3.2 维纳滤波器
3.2.1 线性最优滤波
3.2.2 正交性原理
3.2.3 最小均方误差
3.2.4 维纳.霍夫方程
3.2.5 维纳滤波器的设计与实现
3.3 卡尔曼滤波器
3.3.1 卡尔曼滤波器的初步认识
3.3.2 卡尔曼滤波器的实现
3.4 应用举例
习题
参考文献
第4章  自适应滤波
4.1 概述
4.1.1 自适应滤波技术的发展
4.1.2 自适应滤波器的组成
4.1.3 自适应滤波器原理
4.2 基于最小均方差误差的自适应滤波
4.2.1 滤波器最优化算法
4.2.2 自适应滤波器的性能参数
4.2.3 最小均方误差（MMSE）准则与正交原理
4.2.4 均方误差（MSE）曲面
4.2.5 最小均方误差滤波器
4.3 LMS自适应滤波
4.3.1 概述
4.3.2 LMS算法
4.3.3 权矢量噪声
4.3.4 改进的LMS算法
4.3.5 影响LMS算法性能的因素
4.4 应用举例
4.4.1 用于脉搏血氧饱和度检测中消除运动伪差
4.4.2 基于LMS算法的胎儿心电信号提取方法
习题
参考文献
第5章  时频分析与小波变换
5.1 概述
5.1.1 时频分析的基本概念
5.1.2 短时傅里叶变换
5.2 连续小波变换
5.3 离散小波变换
5.4 多分辨率分析（Mallat算法）
5.4.1 多分辨率分析的概念
5.4.2 小波基的构造
5.4.3  MaUat算法
5.5 应用举例
5.5.1 小波在医学图像去噪中的应用
5.5.2 基于小波分析的乳腺x射线图像钙化点特征提取
习题
参考文献
第6章  主成分分析与独立成分分析
6.1 概述
6.1.1 主成分分析
6.1.2 独立成分分析
6.2 主成分分析
6.2.1 数据降维技术
6.2.2 主成分分析技术
6.2.3 主成分的定义、性质与求法
6.3 独立成分分析
6.3.1 多元数据的线性表示
6.3.2 盲源分离
6.3.3 独立成分分析模型
6.3.4 独立成分分析模型的估计方法
6.4 应用举例
6.4.1 主成分分析在脑年龄预测建模中的应用
6.4.2 独立成分分析在医学信号处理中的应用
习题
参考文献