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