第1章  随机信号基础知识
  1.1  离散时间随机信号
    1.1.1  随机变量
    1.1.2  离散时间随机信号基础
    1.1.3  概率函数描述
    1.1.4  集合平均描述
    1.1.5  随机矢量
  1.2  各态历经性
    1.2.1  时间平均描述
    1.2.2  各态历经性概念
  1.3  相关与协方差序列性质
  1.4  功率谱密度
    1.4.1  功率谱密度函数
    1.4.2  谱密度函数性质
    1.4.3  白噪声
  1.5  线性系统对随机信号的响应
  1.6  相关抵消
    1.6.1  相关抵消器
    1.6.2  最佳线性估计
  1.7  正交投影定理
    1.7.1  内积定义
    1.7.2  正交投影定理
    1.7.3  空间正交基
    1.7.4  Gram-Schmidt正交化
    1.7.5  新息
  1.8  信号模型与复倒谱
    1.8.1  平稳随机过程的信号模型
    1.8.2  复倒谱定义
    1.8.3  复倒谱的性质
    1.8.4  通过离散傅里叶变换(DFT)计算复倒谱
  小结
  习题
第2章  平稳随机信号的线性模型
  2.1  平稳随机信号的参数模型
  2.2  AR模型
    2.2.1  AR(1)模型
    2.2.2  AR(2)模型
    2.2.3  AR(p)模型
  2.3  MA模型
  2.4  ARMA模型
  2.5  正则谱分解
  2.6  关于线性模型的讨论
    2.6.1  模型间关系
    2.6.2  随机信号建模的本质
  小结
  习题
第3章  最优线性滤波器
  3.1  最优滤波器概念
  3.2  确定性最小二乘滤波器
    3.2.1  FIR最小二乘滤波器
    3.2.2  IIR最小二乘滤波器
  3.3  逆滤波器与白化滤波器
    3.3.1  最小二乘逆滤波器
    3.3.2  白化滤波器
  3.4  维纳滤波器的引出
    3.4.1  最优化准则
    3.4.2  维纳滤波器
    3.4.3  正则方程
  3.5  维纳滤波器的信号模型
    3.5.1  白噪声通过线性系统
    3.5.2  信号模型的建立
  3.6  维纳滤波器的求解
    3.6.1  最佳线性平滑器
    3.6.2  IIR最佳线性滤波器
    3.6.3  FIR最佳线性滤波器
    3.6.4  IIR最佳线性预测器
    3.6.5  FIR最佳线性单步预测器
  3.7  线性预测误差滤波器
    3.7.1  前向预测误差滤波器
    3.7.2  后向预测误差滤波器
    3.7.3  偏相关
  3.8  Levinson—Durbin算法及应用
    3.8.1  自相关矩阵Toeplitz结构
    3.8.2  Levinson-Durhin算法
    3.8.3  反射系数
    3.8.4  格型滤波器
  小结
  习题
第4章  自适应滤波器
  4.1  LMS自适应横向滤波器
    4.1.1  基本原理
    4.1.2  均方误差性能曲面
    4.1.3  梯度法
    4.1.4  LMS算法
  4.2  RLs自适应横向滤波器
    4.2.1  基本原理
    4.2.2  RLS自适应横向滤波器
  4.3  自适应滤波器的应用
    4.3.1  自适应对消
    4.3.2  自适应预测
  4.4  Kalman滤波器
    4.4.1  状态方程与观测方程
    4.4.2  Kalman预测的新息
    4.4.3  Kalman预测算法
  小结
  习题
第5章  功率谱估计
  5.1  经典功率谱估计
    5.1.1  间接法与直接法
    5.1.2  估计的质量
    5.1.3  平均周期图
    5.1.4  问题讨论与总结
  5.2  信号建模谱估计
    5.2.1  AR模型谱估计的引出
    5.2.2  AR模型谱估计的性质
    5.2.3  AR模型参数提取方法
    5.2.4  AR模型谱估计的实际问题
    5.2.5  MA模型谱估计
    5.2.6  ARMA模型功率谱估计
  5.3  谐波模型谱估计
    5.3.1  Pisarenko谐波分解法
    5.3.2  MUSIC算法
    5.3.3  ESPRIT算法
  5.4  功率谱估计性能比较
  小结
  习题
第6章  高阶谱估计
  6.1  累积量、矩及其谱
    6.1.1  特征函数
    6.1.2  矩和累积量
    6.1.3  矩和累积量的转换关系
    6.1.4  高阶累积量的性质
    6.1.5  高阶谱的定义
  6.2  累积量和偏态
  6.3  线性系统高阶累积量
  6.4  双谱及其估计
    6.4.1  双谱的性质
    6.4.2  双谱估计方法
  6.5  高阶累积量的应用
    6.5.1  在相位耦合检测中的应用
    6.5.2  在谐波估计中的应用
  小结
  习题
第7章  高级信号处理仿真案例
  7.1  基于倒谱的舰船水声信号分析
    7.1.1  案例背景
    7.1.2  基本原理
    7.1.3  仿真步骤
    7.1.4  仿真结果
  7.2  基于相关的雷达距离测量
    7.2.1  案例背景
    7.2.2  基本原理
    7.2.3  仿真步骤
    7.2.4  仿真结果
  7.3  基于维纳滤波的图像复原
    7.3.1  案例背景
    7.3.2  基本原理
    7.3.3  仿真步骤
    7.3.4  仿真结果
  7.4  基于自适应滤波的AR模型参数估计
    7.4.1  案例背景
    7.4.2  基本原理
    7.4.3  仿真步骤
    7.4.4  仿真结果
  7.5  功率谱估计方法性能对比
    7.5.1  案例背景
    7.5.2  基本原理
    7.5.3  仿真步骤
    7.5.4  仿真结果
  7.6  基于功率谱估计的涡旋波雷达成像
    7.6.1  案例背景
    7.6.2  基本原理
    7.6.3  仿真步骤
    7.6.4  仿真结果
  小结
参考文献