本書(shū)是電子科技大學(xué)通信學(xué)院重點(diǎn)課程教材，國(guó)內(nèi)眾多院校采用，配套學(xué)習(xí)輔導(dǎo)。

　　《現(xiàn)代數(shù)字信號(hào)處理及其應(yīng)用》系統(tǒng)地介紹了以離散時(shí)問(wèn)隨機(jī)過(guò)程為處理對(duì)象的數(shù)字信號(hào)處理理論和方法。全書(shū)共分9章，內(nèi)容包括：離散時(shí)間信號(hào)與系統(tǒng)，離散時(shí)間平穩(wěn)隨機(jī)過(guò)程，功率譜估計(jì)和信號(hào)頻率估計(jì)方法，維納濾波原理及自適應(yīng)算法，維納濾波在信號(hào)處理中的應(yīng)用，小二乘估計(jì)理論及算法，卡爾曼濾波，陣列信號(hào)處理與空域?yàn)V波，盲信號(hào)處理。內(nèi)容安排上注重概念和理論的工程應(yīng)用，各章中還安排有一定的應(yīng)用實(shí)例。

　　《現(xiàn)代數(shù)字信號(hào)處理及其應(yīng)用》可作為電子信息工程、通信工程、自動(dòng)控制、電子科學(xué)與技術(shù)等專業(yè)的研究生教材或教學(xué)參考書(shū)，也可作為相關(guān)專業(yè)工程技術(shù)人員的參考資料。

第1章 離散時(shí)間信號(hào)與系統(tǒng)
1．1 離散時(shí)間信號(hào)與系統(tǒng)基礎(chǔ)
1．1．1 離散時(shí)間信號(hào)的定義與分類
1．1．2 離散時(shí)間信號(hào)的差分和累加
1．1．3 離散時(shí)間系統(tǒng)定義及LTI特性
1．1．4 LTI離散時(shí)間系統(tǒng)響應(yīng)——卷積和
1．1．5 離散時(shí)間信號(hào)相關(guān)函數(shù)及卷積表示
1．2 離散時(shí)間信號(hào)與系統(tǒng)的傅里葉分析
1．2．1 復(fù)指數(shù)信號(hào)通過(guò)LTI系統(tǒng)的響應(yīng)
1．2．2 離散時(shí)間信號(hào)的傅里葉級(jí)數(shù)和傅里葉變換
1．2．3 傅里葉變換的性質(zhì)
1．2．4 離散時(shí)間系統(tǒng)頻率響應(yīng)與理想濾波器
1．2．5 離散時(shí)間信號(hào)的DFT和FFT
1．3 離散時(shí)間信號(hào)的Z變換
1．3．1 Z變換的概念
1．3．2 Z變換的性質(zhì)
1．3．3 離散時(shí)間系統(tǒng)的z域描述——系統(tǒng)函數(shù)
1．3．4 離散時(shí)間系統(tǒng)的方框圖和信號(hào)流圖表示
1．4 LTI離散時(shí)間系統(tǒng)性能描述
1．4．1 系統(tǒng)的記憶性
1．4．2 系統(tǒng)的因果性
1．4．3 系統(tǒng)的可逆性
1．4．4 系統(tǒng)的穩(wěn)定性和最小相位系統(tǒng)
1．4．5 線性相位系統(tǒng)與系統(tǒng)的群時(shí)延
1．5 離散時(shí)間系統(tǒng)的格型結(jié)構(gòu)
1．5．1 全零點(diǎn)濾波器的格型結(jié)構(gòu)
1．5．2 全極點(diǎn)濾波器的格型結(jié)構(gòu)
1．6 連續(xù)時(shí)間信號(hào)的離散化及其頻譜關(guān)系
1．7 離散時(shí)間實(shí)信號(hào)的復(fù)數(shù)表示
1．7．1 離散時(shí)間解析信號(hào)(預(yù)包絡(luò))
1．7．2 離散時(shí)間希爾伯特變換
1．7．3 離散時(shí)間窄帶信號(hào)的復(fù)數(shù)表示(復(fù)包絡(luò))
1．8 窄帶信號(hào)的正交解調(diào)與數(shù)字基帶信號(hào)
1．8．1 模擬正交解調(diào)與采集電路原理
1．8．2 數(shù)字正交解調(diào)與采集電路原理
1．8．3 基帶信號(hào)的隨機(jī)相位與載波同步
1．9 多相濾波與信道化處理
1．9．1 橫向?yàn)V波器的多相結(jié)構(gòu)
1．9．2 信號(hào)的均勻信道化
1．9．3 基于多相濾波器組的信道化原理
習(xí)題
參考文獻(xiàn)

第2章 離散時(shí)間平穩(wěn)隨機(jī)過(guò)程
2．1 離散時(shí)間平穩(wěn)隨機(jī)過(guò)程基礎(chǔ)
2．1．1 離散時(shí)間隨機(jī)過(guò)程及其數(shù)字特征
2．1．2 離散時(shí)間平穩(wěn)隨機(jī)過(guò)程及其數(shù)字特征
2．1．3 遍歷性與統(tǒng)計(jì)平均和時(shí)間平均
2．1．4 循環(huán)平穩(wěn)性的概念
2．1．5 隨機(jī)過(guò)程間的獨(dú)立、正交、相關(guān)
2．2 平穩(wěn)隨機(jī)過(guò)程的自相關(guān)矩陣及其性質(zhì)
2．2．1 自相關(guān)矩陣的定義
2．2．2 自相關(guān)矩陣的基本性質(zhì)
2．2．3 自相關(guān)矩陣的特征值與特征向量的性質(zhì)
2．3 離散時(shí)間平穩(wěn)隨機(jī)過(guò)程的功率譜密度
2．3．1 功率譜的定義
2．3．2 功率譜的性質(zhì)
2．3．3 平穩(wěn)隨機(jī)過(guò)程通過(guò)LTI離散時(shí)間系統(tǒng)的功率譜
2．4 離散時(shí)間平穩(wěn)隨機(jī)過(guò)程的參數(shù)模型
2．4．1 Wold分解定理
2．4．2 平穩(wěn)隨機(jī)過(guò)程的參數(shù)模型
2．5 隨機(jī)過(guò)程高階累積量和高階譜的概念
2．5．1 高階矩和高階累積量
2．5．2 高階累積量的性質(zhì)
2．5．3 高階譜的概念
習(xí)題
參考文獻(xiàn)

第3章 功率譜估計(jì)和信號(hào)頻率估計(jì)方法
3．1 經(jīng)典功率譜估計(jì)方法
3．1．1 BT法
3．1．2 周期圖法
3．1．3 經(jīng)典功率譜估計(jì)性能討論
3．1．4 經(jīng)典功率譜估計(jì)的改進(jìn)
3．1．5 經(jīng)典功率譜估計(jì)仿真實(shí)例及性能比較
3．2 平穩(wěn)隨機(jī)過(guò)程的AR參數(shù)模型功率譜估計(jì)
3．2．1 AR參數(shù)模型的正則方程
3．2．2 AR參數(shù)模型的Levinson-Durbin迭代算法
3．2．3 AR參數(shù)模型功率譜估計(jì)步驟及仿真實(shí)例
3．2．4 AR參數(shù)模型功率譜估計(jì)性能討論
3．3 MA參數(shù)模型和ARMA參數(shù)模型功率譜估計(jì)原理
3．3．1 MA參數(shù)模型的正則方程
3．3．2 ARMA參數(shù)模型的正則方程
3．4 MVDR信號(hào)頻率估計(jì)方法
3．4．1 預(yù)備知識(shí)：標(biāo)量函數(shù)關(guān)于向量的導(dǎo)數(shù)和梯度的概念
3．4．2 MVDR濾波器原理
3．4．3 MVDR頻率估計(jì)算法仿真實(shí)例
3．5 APES算法
3．5．1 APES算法原理
3．5．2 APES算法仿真實(shí)例
3．6 基于相關(guān)矩陣特征分解的信號(hào)頻率估計(jì)
3．6．1 信號(hào)子空間和噪聲子空間的概念
3．6．2 MUSIC算法
3．6．3 Root-MUSIC算法
3．6．4 Pisarenko諧波提取方法
3．6．5 ESPRIT算法
3．6．6 信號(hào)源個(gè)數(shù)的確定方法
3．7 譜估計(jì)在電子偵察中的應(yīng)用實(shí)例
3．7．1 常規(guī)通信信號(hào)的參數(shù)估計(jì)
3．7．2 跳頻信號(hào)的參數(shù)估計(jì)
習(xí)題
參考文獻(xiàn)

第4章 維納濾波原理及自適應(yīng)算法
4．1 自適應(yīng)橫向?yàn)V波器及其學(xué)習(xí)過(guò)程
4．1．1 自適應(yīng)橫向?yàn)V波器結(jié)構(gòu)
4．1．2 自適應(yīng)橫向?yàn)V波器的學(xué)習(xí)過(guò)程和工作過(guò)程
4．2 維納濾波原理
4．2．1 均方誤差準(zhǔn)則及誤差性能面
4．2．2 維納-霍夫方程
4．2．3 正交原理
4．2．4 最小均方誤差
4．2．5 計(jì)算實(shí)例1：噪聲中的單頻信號(hào)估計(jì)
4．2．6 計(jì)算實(shí)例2：信道傳輸信號(hào)的估計(jì)
4．3 維納濾波器的最陡下降求解方法
4．3．1 維納濾波的最陡下降算法
4．3．2 最陡下降算法的收斂性
4．3．3 最陡下降算法的學(xué)習(xí)曲線
4．3．4 最陡下降算法仿真實(shí)例
4．4 LMS算法
4．4．1 LMS算法原理
4．4．2 LMS算法權(quán)向量均值的收斂性
4．4．3 LMS算法均方誤差的統(tǒng)計(jì)特性
4．4．4 LMS算法仿真實(shí)例
4．4．5 幾種改進(jìn)的LMS算法簡(jiǎn)介
4．5 多級(jí)維納濾波器理論
4．5．1 輸入向量滿秩變換的維納濾波
4．5．2 維納濾波器降階分解原理
4．5．3 維納濾波器的多級(jí)表示
4．5．4 基于輸入信號(hào)統(tǒng)計(jì)特性的權(quán)值計(jì)算步驟
4．5．5 一種阻塞矩陣的構(gòu)造方法
4．5．6 基于觀測(cè)數(shù)據(jù)的權(quán)值遞推算法
4．5．7 仿真計(jì)算實(shí)例
習(xí)題
參考文獻(xiàn)

第5章 維納濾波在信號(hào)處理中的應(yīng)用
5．1 維納濾波在線性預(yù)測(cè)中的應(yīng)用
5．1．1 線性預(yù)測(cè)器原理
5．1．2 線性預(yù)測(cè)與AR模型互為逆系統(tǒng)
5．1．3 基于線性預(yù)測(cè)器的AR模型功率譜估計(jì)
5．2 前后向線性預(yù)測(cè)及其格型濾波器結(jié)構(gòu)
5．2．1 前后向線性預(yù)測(cè)器（FBLP）原理
5．2．2 FBLP的格型濾波器結(jié)構(gòu)
5．2．3 Burg算法及其在AR模型譜估計(jì)中的應(yīng)用
5．2．4 Burg算法功率譜估計(jì)仿真實(shí)驗(yàn)
5．3 信道均衡
5．3．1 離散時(shí)間通信信道模型
5．3．2 迫零均衡濾波器
5．3．3 基于MMSE準(zhǔn)則的FIR均衡濾波器
5．3．4 自適應(yīng)均衡及仿真實(shí)例
5．4 語(yǔ)音信號(hào)的線性預(yù)測(cè)編碼
5．4．1 語(yǔ)音信號(hào)的產(chǎn)生
5．4．2 基于線性預(yù)測(cè)的語(yǔ)音信號(hào)處理
5．4．3 仿真實(shí)驗(yàn)
習(xí)題
參考文獻(xiàn)

第6章 最小二乘估計(jì)理論及算法
6．1 預(yù)備知識(shí)：線性方程組解的形式
6．1．1 線性方程組的唯一解
6．1．2 線性方程組的最小二乘解
6．1．3 線性方程組的最小范數(shù)解
6．2 最小二乘估計(jì)原理
6．2．1 最小二乘估計(jì)的確定性正則方程
6．2．2 LS估計(jì)的正交原理
6．2．3 投影矩陣的概念
6．2．4 LS估計(jì)的誤差平方和
6．2．5 最小二乘方法與維納濾波的關(guān)系
6．2．6 應(yīng)用實(shí)例：基于LS估計(jì)的信道均衡原理
6．3 用奇異值分解求解最小二乘問(wèn)題
6．3．1 矩陣的奇異值分解
6．3．2 奇異值分解與特征值分解的關(guān)系
6．3．3 用奇異值分解求解確定性正則方程
6．3．4 奇異值分解迭代計(jì)算簡(jiǎn)介
6．4 基于LS估計(jì)的FBLP原理及功率譜估計(jì)
6．4．1 FBLP的確定性正則方程
6．4．2 用奇異值分解實(shí)現(xiàn)AR模型功率譜估計(jì)
6．5 遞歸最小二乘（RLS）算法
6．5．1 矩陣求逆引理
6．5．2 RLS算法原理
6．5．3 自適應(yīng)均衡仿真實(shí)驗(yàn)
6．6 基于QR分解的遞歸最小二乘（QR-RLS）算法原理
6．6．1 矩陣的QR分解
6．6．2 QR-RLS算法
6．6．3 基于Givens旋轉(zhuǎn)的QR-RLS算法
6．6．4 利用Givens旋轉(zhuǎn)直接得到估計(jì)誤差信號(hào)
6．6．5 QR-RLS算法的systolic多處理器實(shí)現(xiàn)原理
習(xí)題
參考文獻(xiàn)

第7章 卡爾曼濾波
7．1 基于新息過(guò)程的遞歸最小均方誤差估計(jì)
7．1．1 標(biāo)量新息過(guò)程及其性質(zhì)
7．1．2 最小均方誤差估計(jì)的新息過(guò)程表示
7．1．3 向量新息過(guò)程及其性質(zhì)
7．2 系統(tǒng)狀態(tài)方程和觀測(cè)方程的概念
7．3 卡爾曼濾波原理
7．3．1 狀態(tài)向量的最小均方誤差估計(jì)
7．3．2 新息過(guò)程的自相關(guān)矩陣
7．3．3 卡爾曼濾波增益矩陣
7．3．4 卡爾曼濾波的黎卡蒂方程
7．3．5 卡爾曼濾波計(jì)算步驟
7．4 卡爾曼濾波的統(tǒng)計(jì)性能
7．4．1 卡爾曼濾波的無(wú)偏性
7．4．2 卡爾曼濾波的最小均方誤差估計(jì)特性
7．5 卡爾曼濾波的推廣
7．5．1 標(biāo)稱狀態(tài)線性化濾波
7．5．2 擴(kuò)展卡爾曼濾波
7．6 卡爾曼濾波的應(yīng)用
7．6．1 卡爾曼濾波在維納濾波中的應(yīng)用
7．6．2 卡爾曼濾波在雷達(dá)目標(biāo)跟蹤中的應(yīng)用
7．6．3 α-β濾波的概念
7．6．4 卡爾曼濾波在交互多模型算法中的應(yīng)用
7．6．5 卡爾曼濾波在數(shù)據(jù)融合中的應(yīng)用
習(xí)題
參考文獻(xiàn)

第8章 陣列信號(hào)處理與空域?yàn)V波
8．1 陣列接收信號(hào)模型
8．1．1 均勻線陣接收信號(hào)模型
8．1．2 任意陣列（共形陣）接收信號(hào)模型
8．1．3 均勻矩形陣接收信號(hào)模型
8．1．4 均勻圓陣接收信號(hào)模型
8．2 空間譜與DOA估計(jì)
8．3 基于MUSIC算法的信號(hào)DOA估計(jì)方法
8．3．1 MUSIC算法用于信號(hào)DOA估計(jì)
8．3．2 仿真實(shí)例
8．4 信號(hào)DOA估計(jì)的ESPRIT算法
8．4．1 ESPRIT算法用于信號(hào)DOA估計(jì)的原理
8．4．2 仿真實(shí)例
8．5 干涉儀測(cè)向原理
8．5．1 一維相位干涉儀測(cè)向原理
8．5．2 二維相位干涉儀
8．6 空域?yàn)V波與數(shù)字波束形成
8．6．1 空域?yàn)V波和陣方向圖
8．6．2 數(shù)字自適應(yīng)干擾置零
8．7 基于MVDR算法的DBF方法
8．7．1 MVDR波束形成器原理
8．7．2 QR分解SMI算法
8．7．3 MVDR波束形成器實(shí)例
8．7．4 LCMV波束形成器簡(jiǎn)介
8．7．5 LCMV波束形成器的維納濾波器結(jié)構(gòu)
8．8 空域APES數(shù)字波束形成和DOA估計(jì)方法
8．8．1 前向SAPES波束形成器原理
8．8．2 仿真實(shí)例
8．9 多旁瓣對(duì)消數(shù)字自適應(yīng)波束形成方法
8．9．1 多旁瓣對(duì)消數(shù)字波束形成原理
8．9．2 多旁瓣對(duì)消的最小二乘法求解
8．10 陣列信號(hào)處理中的其他問(wèn)題
8．10．1 相關(guān)信號(hào)源問(wèn)題
8．10．2 寬帶信號(hào)源問(wèn)題
8．10．3 陣列校正與均衡問(wèn)題
習(xí)題
參考文獻(xiàn)

第9章 盲信號(hào)處理
9．1 盲信號(hào)處理的基本概念
9．1．1 盲系統(tǒng)辨識(shí)與盲解卷積
9．1．2 信道盲均衡
9．1．3 盲源分離與獨(dú)立分量分析（ICA）
9．1．4 盲波束形成
9．2 Bussgang盲均衡原理
9．2．1 自適應(yīng)盲均衡與Bussgang過(guò)程
9．2．2 Sato算法
9．2．3 恒模算法
9．2．4 判決引導(dǎo)算法
9．3 SIMO信道模型及子空間盲辨識(shí)原理
9．3．1 SIMO信道模型
9．3．2 SIMO信道模型的Sylvester矩陣
9．3．3 SIMO信道的可辨識(shí)條件和模糊性
9．3．4 基于子空間的盲辨識(shí)算法
9．4 SIMO信道的CR盲辨識(shí)原理及自適應(yīng)算法
9．4．1 CR算法
9．4．2 多信道LMS算法
9．5 基于陣列結(jié)構(gòu)的盲波束形成
9．5．1 基于奇異值分解的降維預(yù)處理
9．5．2 基于ESPRIT算法的盲波束形成
9．6 基于信號(hào)恒模特性的盲波束形成
9．6．1 SGD CMA算法
9．6．2 RLS CMA算法
9．6．3 解析恒模算法簡(jiǎn)介
習(xí)題
參考文獻(xiàn)
索引
常用符號(hào)表