高等數(shù)字信號(hào)處理

前言

　　近二十年來(lái)，隨著計(jì)算機(jī)技術(shù)的發(fā)展和普及，數(shù)字信號(hào)處理的理論和方法獲得了飛速的發(fā)展，新理論、新方法層出不窮。反映這種發(fā)展趨勢(shì)的現(xiàn)代信號(hào)處理教材在國(guó)內(nèi)外也已出版多本，但由于學(xué)科發(fā)展的歷史原因，這些教材在內(nèi)容、深度及聯(lián)系實(shí)際應(yīng)用等方面基本上以通信、電子類專業(yè)研究生為對(duì)象，而極少以電氣自動(dòng)化和機(jī)械工程專業(yè)研究生為對(duì)象。由于電氣自動(dòng)化和機(jī)械工程等專業(yè)學(xué)科的發(fā)展，這些學(xué)科對(duì)現(xiàn)代信號(hào)處理技術(shù)的需求已十分迫切，因此，出版一本緊密聯(lián)系現(xiàn)代信號(hào)處理技術(shù)在電氣自動(dòng)化和機(jī)械工程等專業(yè)領(lǐng)域應(yīng)用，并反映現(xiàn)代信號(hào)處理技術(shù)最新發(fā)展成果的研究生教材十分必要?！　”緯径ㄎ粸?，滿足電氣自動(dòng)化類專業(yè)的研究生（碩士、博士）對(duì)現(xiàn)代信號(hào)處理技術(shù)的需求，適當(dāng)兼顧機(jī)械工程專業(yè)研究生，也可供高年級(jí)本科生參考閱讀。本書以經(jīng)典的研究生水平的數(shù)字信號(hào)處理內(nèi)容為主，適當(dāng)兼顧與本科數(shù)字信號(hào)處理內(nèi)容的銜接，并導(dǎo)論性地介紹信號(hào)處理技術(shù)的最新發(fā)展成果，以保證本書內(nèi)容的先進(jìn)性，使學(xué)生既打牢基礎(chǔ)又有發(fā)展的空間。同時(shí)，將突出信號(hào)處理技術(shù)在電氣工程領(lǐng)域的應(yīng)用的思想貫串始終，使本書特色鮮明。本書的基礎(chǔ)定位于本科的“數(shù)字信號(hào)處理”或“信號(hào)與系統(tǒng)”等課程。考慮到研究生理論基礎(chǔ)參差不齊的現(xiàn)狀，專門在第1章簡(jiǎn)述了本科“數(shù)字信號(hào)處理”課程的部分主要內(nèi)容，作為學(xué)習(xí)苯書的基礎(chǔ)知識(shí)。若研究生基礎(chǔ)較好，本章可不講，僅供學(xué)生參閱。第2～4章重點(diǎn)介紹經(jīng)典的平穩(wěn)信號(hào)處理技術(shù)；第2章介紹功率譜估計(jì)方法，其重點(diǎn)是參數(shù)法；第3章在第2章基礎(chǔ)上介紹高階譜估計(jì)；第4章以LMs算法和T．sL算法為重點(diǎn)介紹自適應(yīng)濾波技術(shù)，并簡(jiǎn)要介紹以高階累量和自適應(yīng)算法為基礎(chǔ)的盲信號(hào)處理技術(shù)。第5、6兩章介紹非平穩(wěn)信號(hào)處理技術(shù)，重點(diǎn)是短時(shí)傅里葉變換和小渡變換技術(shù)，在第5章中還簡(jiǎn)要介紹了戈勃展開和循環(huán)平穩(wěn)信號(hào)處理方法，在第6章中還簡(jiǎn)要介紹了第二代小波技術(shù)——小波提升方案。為引導(dǎo)讀者更好地將現(xiàn)代信號(hào)處理技術(shù)應(yīng)用于電氣工程領(lǐng)域，在最后一章，以幾個(gè)典型實(shí)例介紹了現(xiàn)代信號(hào)處理技術(shù)的應(yīng)用，為理論聯(lián)系實(shí)際開拓思路。

內(nèi)容概要

　　《高等數(shù)字信號(hào)處理》在簡(jiǎn)述本科課程“數(shù)字信號(hào)處理”部分主要內(nèi)容的基礎(chǔ)上，詳細(xì)介紹了現(xiàn)代譜估計(jì)、高階譜估計(jì)、自適應(yīng)濾波、短時(shí)傅里葉變換及小波變換等現(xiàn)代信號(hào)處理技術(shù)的基本理論與方法?！陡叩葦?shù)字信號(hào)處理》理論聯(lián)系實(shí)際，突出了MATLAB軟件的應(yīng)用，在最后一章中以幾個(gè)典型應(yīng)用方案介紹了現(xiàn)代信號(hào)處理技術(shù)在電氣工程領(lǐng)域的應(yīng)用。　　《高等數(shù)字信號(hào)處理》適用于電氣工程、機(jī)械工程及其相關(guān)領(lǐng)域的研究生和高年級(jí)本科生閱讀，也可供相關(guān)工程技術(shù)人員參考。

書籍目錄

序前言第1章 基礎(chǔ)知識(shí)1．1 信號(hào)與信號(hào)空間的基本概念1．1．1 信號(hào)及其分類1．1．2 噪聲1．1．3 信號(hào)空間1．2 離散時(shí)間系統(tǒng)1．2．1 基本概念1．2．2 線性時(shí)不變系統(tǒng)的描述1．2．3 全通系統(tǒng)和最小相位系統(tǒng)1．3 確定性信號(hào)的相關(guān)函數(shù)1．3．1 相關(guān)函數(shù)的定義與性質(zhì)1．3．2 相關(guān)函數(shù)與線性卷積1．4 信號(hào)的傅里葉變換1．4．1 連續(xù)時(shí)間信號(hào)的傅里葉變換1．4．2 離散時(shí)間信號(hào)的傅里葉變換1．4．3 連續(xù)時(shí)間信號(hào)的采樣1．4．4 離散傅里葉變換1．5 隨機(jī)信號(hào)的功率譜1．5．1 隨機(jī)信號(hào)及其特征描述1．5．2 平穩(wěn)隨機(jī)信號(hào)通過線性系統(tǒng)1．5．3 統(tǒng)計(jì)估計(jì)問題1．5．4 功率譜及其估計(jì)1．6 信號(hào)的參數(shù)模型1．6．1 譜分解定理1．6．2 信號(hào)模型本章小結(jié)參考文獻(xiàn)第2章 現(xiàn)代譜估計(jì)2．1 現(xiàn)代譜估計(jì)概述2．1．1 經(jīng)典譜估計(jì)的主要問題2．1．2 基于信號(hào)參數(shù)模型的譜估計(jì)方法2．2 AR譜估計(jì)2．2．1 AR模型的正則方程2．2．2 Eevinson-Durbin算法2．2．3 AR譜估計(jì)的自相關(guān)法2．2．4 AR模型階次的選擇2．2．5 AR譜估計(jì)的性質(zhì)2．3 線性預(yù)測(cè)2．3．1 前向線性預(yù)測(cè)2．3．2 后向線性預(yù)測(cè)2．3．3 格形濾波器2．4 Burg算法2．4．1 Burg算法的基本概念2．4．2 Burg算法存在的問題2．4．3 改進(jìn)的協(xié)方差算法2．5．ARMA譜估計(jì)2．5．1 噪聲對(duì)AR譜估計(jì)的影響2．5．2 MA譜估計(jì)的計(jì)算2．5．3 ARMA譜估計(jì)的計(jì)算2．6 擴(kuò)展Prony方法2．7 多重信號(hào)分類法2．7．1 相關(guān)矩陣的特征分解2．7．2 基于信號(hào)子空間的頻率估計(jì)2．7．3 基于噪聲子空間的頻率估計(jì)2．7．4 改進(jìn)的多重信號(hào)分類法本章小結(jié)習(xí)題參考文獻(xiàn)第3章 高階譜估計(jì)3．1 累量及高階譜3．1．1 累量的定義3．1．2 累量的性質(zhì)3．1．3 高階譜3．2 高階譜的估計(jì)3．2．1 非參數(shù)法譜估計(jì)3．2．2 高階譜估計(jì)參數(shù)法的基本思路3．2．3 MA模型參數(shù)估計(jì)3．3 有色噪聲背景下的頻率估計(jì)3．3．1 諧波過程的累量3．3．2 高斯有色噪聲背景下的諧波恢復(fù)3．4 高階譜的應(yīng)用本章小結(jié)習(xí)題參考文獻(xiàn)第4章 自適應(yīng)濾波4．1 維納濾波與自適應(yīng)濾波4．1．1 線性最佳濾波問題4．1．2 維納一霍夫方程4．1．3 維納．霍夫方程的求解4．1．4 橫向?yàn)V波器的誤差性能曲面4．1．5 塊估計(jì)與遞推估計(jì)4．1．6 自適應(yīng)濾波器4．2 最小均方自適應(yīng)濾波算法4．2．1 最陡下降法4．2．2 LMS算法4．2．3 LMS牛頓算法4．2．4 歸一化LMS算法4．2．5 變換域塊LMS算法4．3 遞歸最小二乘自適應(yīng)濾波4．3．1 最小二乘算法4．3．2 遞歸最小二乘算法4．3．3 遞歸最小二乘算法的收斂性4．4 最小二乘格形自適應(yīng)濾波4．4．1 遞歸最小二乘的投影算子理論4．4．2 用向量空間法研究最小二乘估計(jì)問題4．4．3 最小二乘格形算法4．5 自適應(yīng)濾波器的應(yīng)用4．5．1 自適應(yīng)系統(tǒng)模擬與逆模擬4．5．2 自適應(yīng)控制與逆控制4．5．3 自適應(yīng)干擾抵消4．5．4 自適應(yīng)預(yù)測(cè)4．6 自適應(yīng)盲信號(hào)處理簡(jiǎn)介4．6．1 自適應(yīng)盲信號(hào)處理的基本概念4．6．2 數(shù)學(xué)建模4．6．3 可解性與獨(dú)立性4．6．4 目標(biāo)函數(shù)及其優(yōu)化4．6．5 自適應(yīng)盲信號(hào)處理算法概述本章小結(jié)習(xí)題參考文獻(xiàn)第5章 短時(shí)傅里葉變換5．1 時(shí)頻分析的基本概念5．1．1 從傅里葉變換到時(shí)頻分析5．1．2 信號(hào)分辨率5．1．3 瞬時(shí)頻率5．1．4 非平穩(wěn)隨機(jī)信號(hào)5．2 短時(shí)傅里葉變換5．2．1 連續(xù)信號(hào)的短時(shí)傅里葉變換5．2．2 短時(shí)傅里葉變換的性質(zhì)5．2．3 離散信號(hào)的短時(shí)傅里葉變換5．3 離散短時(shí)傅里葉變換及其計(jì)算5．3．1 離散短時(shí)傅里葉變換的定義5．3．2 離散短時(shí)傅里葉變換的性質(zhì)5．3．3 離散短時(shí)傅里葉變換的計(jì)算5．4 基于離散短時(shí)傅里葉變換的信號(hào)重構(gòu)5．4．1 濾波器組求和法5．4．2 精確重構(gòu)條件5．5 戈勃展開5．5．1 連續(xù)信號(hào)的戈勃展開5．5．2 離散信號(hào)的戈勃展開5．5．3 過采樣條件下離散信號(hào)的戈勃展開5．6 循環(huán)平穩(wěn)信號(hào)處理簡(jiǎn)介5．6．1 循環(huán)平穩(wěn)的基本概念5．6．2 譜相關(guān)密度函數(shù)5．6．3 循環(huán)統(tǒng)計(jì)量的估計(jì)本章小結(jié)習(xí)題參考文獻(xiàn)第6章 小波變換6．1 小波與小波變換6．1．1 連續(xù)小波變換的定義6．1．2 連續(xù)小波變換的性質(zhì)6．1．3 二進(jìn)小波變換6．1．4 小波級(jí)數(shù)6．1．5 二進(jìn)小波的構(gòu)造6．2 多尺度分析與濾波器組6．2．1 多尺度分析6．2．2 正交基6．2．3 多采樣率濾波器組6．2．4 Mallat算法6．2．5 雙正交濾波器組與雙正交小波6．3 小波級(jí)數(shù)的計(jì)算6．3．1 二進(jìn)尺度的小波級(jí)數(shù)計(jì)算6．3．2 邊界延拓問題6．3．3 基于梅林變換的快速算法6．4 小波包6．4．1 小波包的定義與性質(zhì)6．4．2 空間的正交小波包分解6．4．3 小波包變換6．5 小波提升方案6．5．1 提升方案的基本原理6．5．2 Swelden算法6．5．3 基于懶小波的提升算法6．6 信號(hào)的奇異性檢測(cè)6．6．1 信號(hào)的奇異性描述6．6．2 基于小波變換模極大值的奇異性檢測(cè)6．6．3 基于小波變換模極大值的信號(hào)重構(gòu)6．6．4 小波消噪方法本章小結(jié)習(xí)題參考文獻(xiàn)第7章 現(xiàn)代信號(hào)處理技術(shù)在電氣工程領(lǐng)域的應(yīng)用舉例7．1 電能質(zhì)量的信號(hào)分析7．1．1 電能質(zhì)量問題7．1．2 基于雙小波的短時(shí)電壓變動(dòng)信號(hào)的檢測(cè)7．1．3 基于RES算法的時(shí)變諧波檢測(cè)7．1．4 基于MUSIC法和Prony法的問諧波參數(shù)估計(jì)7．2 基于定子電流信號(hào)分析的電動(dòng)機(jī)故障診斷7．2．1 交流感應(yīng)電動(dòng)機(jī)的故障診斷概述7．2．2 基于MUSIC算法的感應(yīng)電動(dòng)機(jī)轉(zhuǎn)子故障檢測(cè)7．2．3 基于定子電流小波包分解的感應(yīng)電動(dòng)機(jī)軸承故障診斷7．3 基于自適應(yīng)濾波的電力有源濾波器7．3．1 電力有源濾波器的基本概念7．3．2 直流端電壓控制的自適應(yīng)濾波方法7．3．3 利用自適應(yīng)逆控制的電力有源濾波器的檢測(cè)方法本章小結(jié)參考文獻(xiàn)附錄AMA．ILAB中有關(guān)信號(hào)處理的常用命令和工具

章節(jié)摘錄

　　2．盲信號(hào)處理的方法及分類　　在盲信號(hào)處理中，就源信號(hào)經(jīng)過傳輸通道的混合方式而言，其處理方法可分為線性瞬時(shí)混合信號(hào)盲處理、線性卷積混合信號(hào)盲處理和非線性混合信號(hào)（后非線性混合、完全非線性混合等）盲處理三類。根據(jù)通道傳輸特性中是否含有噪聲，以及噪聲特性（白噪聲、有色噪聲等）、噪聲混合形式，可分為有噪聲、無(wú)噪聲盲處理，含加性噪聲和乘性噪聲混合信號(hào)盲處理等。目前的盲信號(hào)處理大部分集中在源信號(hào)線性瞬時(shí)混合問題的盲處理，考慮噪聲情況的盲信號(hào)處理研究主要針對(duì)加性白色或有色高斯噪聲等。針對(duì)源信號(hào)和混合信號(hào)是單路或多路，又可分為單輸入多輸出（SIMO）系統(tǒng)的盲處理和多輸人多輸出系統(tǒng)的盲處理。　　盲信號(hào)處理的目的可分為盲辨識(shí)和盲源分離兩大類。盲辨識(shí)的目的是求得傳輸通道混合矩陣（線性混合矩陣、卷積混合矩陣、非線性混合矩陣），盲源分離的目的是求得源信號(hào)的最佳估計(jì)。當(dāng)盲源分離是逐個(gè)分離并緊縮實(shí)現(xiàn)時(shí)稱為盲抽取。　　盲處理的大部分方法是依據(jù)一定的理論構(gòu)造目標(biāo)函數(shù)的無(wú)監(jiān)督學(xué)習(xí)方法。盲處理采用的目標(biāo)函數(shù)主要有負(fù)熵（非高斯性最大時(shí)就完成獨(dú)立分量分解）、高階累計(jì)量（非高斯性度量參數(shù)，常用四階累計(jì)量）、互信息量（互信息量最大可獲得最大的獨(dú)立性）、KL散度、最大似然估計(jì)等。確定了目標(biāo)函數(shù)后，就需要用一定的算法尋優(yōu)處理，實(shí)現(xiàn)算法主要是各種自適應(yīng)算法。

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    高等數(shù)字信號(hào)處理 PDF格式下載

---