統(tǒng)計(jì)信號(hào)處理基礎(chǔ)——實(shí)用算法開發(fā)(卷III)
定 價(jià):79 元
叢書名:經(jīng)典譯叢·信息與通信技術(shù)
- 作者:(美)Steven M. Kay(S. M. 凱)
- 出版時(shí)間:2018/3/1
- ISBN:9787121276071
- 出 版 社:電子工業(yè)出版社
- 中圖法分類:TN911.72
- 頁碼:
- 紙張:膠版紙
- 版次:1
- 開本:16K
本書是作者Steven M. Kay關(guān)于統(tǒng)計(jì)信號(hào)處理三卷書中的*后一卷,該卷建立了覆蓋前兩卷的綜合性理論,在設(shè)計(jì)解決實(shí)際問題的優(yōu)良算法方面幫助讀者開發(fā)直觀和專業(yè)的方法。本書首先評(píng)述開發(fā)信號(hào)處理算法的方法,包括數(shù)學(xué)建模、計(jì)算機(jī)模擬、性能評(píng)估。通過展示設(shè)計(jì)、評(píng)估、測(cè)試的有用解析結(jié)果和實(shí)現(xiàn),將理論與實(shí)踐聯(lián)系起來。然后從幾個(gè)關(guān)鍵的應(yīng)用領(lǐng)域重點(diǎn)介紹了一些經(jīng)典的算法。*后引導(dǎo)讀者將算法轉(zhuǎn)換成MATLAB程序來驗(yàn)證得到的解。全書主題包括:算法設(shè)計(jì)方法;信號(hào)與噪聲模型的比較和選擇;性能評(píng)估、規(guī)范、折中、測(cè)試和資料;應(yīng)用大定理的*方法;估計(jì)、檢測(cè)和譜估計(jì)算法;完整的案例研究:雷達(dá)多普勒中心頻率估計(jì)、磁信號(hào)檢測(cè)、心率監(jiān)測(cè)等。
前 言
《統(tǒng)計(jì)信號(hào)處理處理基礎(chǔ)實(shí)用算法開發(fā)》一書是同名系列教材的第三卷。前兩卷描述了估計(jì)與檢測(cè)算法涉及的理論,本卷將介紹如何將這些理論轉(zhuǎn)換成數(shù)字計(jì)算機(jī)上實(shí)現(xiàn)的軟件算法。在介紹實(shí)踐方法和技術(shù)時(shí),并沒有假定讀者已經(jīng)學(xué)習(xí)過前兩卷,當(dāng)然我們還是鼓勵(lì)大家這樣做,我們的介紹將集中在一般概念上,盡可能少用數(shù)學(xué)知識(shí),而用MATLAB的實(shí)現(xiàn)來進(jìn)行詳細(xì)的闡述。對(duì)于那些希望為實(shí)際系統(tǒng)設(shè)計(jì)好的和可實(shí)現(xiàn)的統(tǒng)計(jì)信號(hào)處理算法的工程師和科學(xué)工作者來說,本書毫無疑問是有吸引力的,這些實(shí)際系統(tǒng)在許多信號(hào)處理學(xué)科中常常會(huì)遇到,包括但不限于雷達(dá)、通信、聲吶、生物醫(yī)學(xué)、語音、光學(xué)、圖像處理等。此外,由于強(qiáng)調(diào)實(shí)際的工作算法,對(duì)于那些希望得到一些實(shí)用技術(shù)的統(tǒng)計(jì)信號(hào)處理領(lǐng)域的研究者,本書提供的內(nèi)容應(yīng)該是有用的,而對(duì)那些涉足該領(lǐng)域的新手來說,要從大量良莠不齊的大量算法中挑選好的算法,本書也是很好的參考。
本書的總體目標(biāo)是幫助讀者提升統(tǒng)計(jì)信號(hào)處理的實(shí)踐能力,為了完成這一目標(biāo),我們要努力做到:
1.描述一套用來建立算法的方法,包括數(shù)學(xué)建模、計(jì)算機(jī)模擬、性能評(píng)估;
2.通過典型工具的實(shí)踐,允許讀者深刻理解一些重要的概念,包括有用的分析結(jié)果和設(shè)計(jì)、評(píng)估和測(cè)試的MATLAB實(shí)現(xiàn);
3.強(qiáng)化一些實(shí)際中已有的方法和特定算法,這些算法已經(jīng)經(jīng)受了時(shí)間的檢驗(yàn);
4.通過描述和求解現(xiàn)實(shí)生活中的實(shí)際問題來介紹相關(guān)的應(yīng)用領(lǐng)域;
5.給讀者介紹實(shí)際中要求的擴(kuò)展;
6.將數(shù)學(xué)算法轉(zhuǎn)換成MATLAB程序并驗(yàn)證解的完整性。
在教學(xué)方面,我們相信強(qiáng)調(diào)通過MATLAB實(shí)現(xiàn)有助于理解算法的實(shí)際工作情況及不同算法的細(xì)微差別,讀者將在做中學(xué)。同樣,教材中加入了許多供學(xué)生練習(xí)的分析練習(xí)題,完整的解答包含在每章的附錄中,書中也給出了MATLAB練習(xí)題,每章的附錄列出了簡(jiǎn)化的解答,所有答案及可運(yùn)行的MATLAB程序都放在隨書的光盤上 。在每章的結(jié)尾都有一節(jié)小結(jié),其中給出的結(jié)論都是非常重要的,意在提供算法內(nèi)在運(yùn)行的深入理解以及常用的拇指法則,這些內(nèi)容對(duì)建立成功的算法都是關(guān)鍵的。本書的大部分主題來自Fundamentals of Statistical Signal Processing: Estimation Theory(1993)和Fundamentals of Statistical Signal Processing: Detection Theory(1998),也從Modern Spectral Estimation: Theory and Application(1988)(所有這些書都是由Prentice Hall出版的,中譯本已由電子工業(yè)出版社出版)加入了許多材料,后一本書包含了許多數(shù)據(jù)模擬和分析所要求的技術(shù)。最后,我們希望本書對(duì)自學(xué)也是有用的。盡管沒有MATLAB作為實(shí)踐工具也是可以學(xué)習(xí)本書的,但卻失去MATLAB實(shí)踐所獲得的許多理解。
本書假定讀者具有微積分和基本線性系統(tǒng)的背景知識(shí),包括某些數(shù)字信號(hào)處理、概率和隨機(jī)過程導(dǎo)論、線性和矩陣代數(shù)等。正如前面提到的,我們?cè)谒惴枋鰰r(shí)盡量少用數(shù)學(xué)知識(shí)和相關(guān)背景材料,然而算法在最終總是以數(shù)學(xué)形式呈現(xiàn),因此這一目標(biāo)也只是部分地實(shí)現(xiàn)。
作者要感謝許多人所做的貢獻(xiàn),在過去的許多年里,他們提供了許多教學(xué)和研究問題中富有啟發(fā)的討論以及應(yīng)用研究結(jié)果的機(jī)會(huì)。感謝羅德島大學(xué)的同事L. Jackson、R. Kumaresan、L. Pakula、P. Swaszek;感謝我目前和以前的所有研究生,他們?cè)谄綍r(shí)教學(xué)和研究中的許多討論以及他們具體的注釋和評(píng)論,對(duì)本書最終的定稿都做出了貢獻(xiàn)。特別是Quan Ding和Naresh Vankayalapati,他們做了許多注釋,并在練習(xí)的解答方面提供了許多幫助。此外,William Knight對(duì)初稿也提供了許多有價(jià)值的反饋意見。作者還要感謝許多資助他研究的機(jī)構(gòu)和項(xiàng)目主管,這些主管包括Jon Davis、Darren Emge、James Kelly、Muralidhar Rangaswamy、Jon Sjogren和Peter Zulch,相關(guān)機(jī)構(gòu)包括美國(guó)海軍海底作戰(zhàn)中心、海空作戰(zhàn)中心、空軍科研辦公室、海軍研究辦公室、空軍研究實(shí)驗(yàn)室、愛德華化學(xué)和生物中心。作者咨詢了許多工業(yè)公司,從他們那里獲得了許多實(shí)踐經(jīng)歷,在此一并表示感謝。作者也非常歡迎讀者提出疑問和修改意見,有任何疑問和建議請(qǐng)發(fā)郵件至kay@ele.uri. edu。
Steven M. Kay
University of Rhode Island
Kingston, RI
Steven M. Kay:美國(guó)Rhode Island大學(xué)電子工程系的教授、信號(hào)處理領(lǐng)域的資深專家,曾經(jīng)發(fā)表過大量的論文與學(xué)術(shù)報(bào)告,并且撰寫過多部著作。Kay博士致力于頻譜分析、檢測(cè)和估計(jì)理論、統(tǒng)計(jì)信號(hào)處理等領(lǐng)域的研究工作。他是IEEE會(huì)士,曾經(jīng)負(fù)責(zé)過IEEE聲學(xué)、語音、信號(hào)處理委員會(huì)的頻譜估計(jì)與建模領(lǐng)域的工作。
羅鵬飛,國(guó)防科學(xué)技術(shù)大學(xué)電子科學(xué)與工程學(xué)院,教授,博導(dǎo)。信號(hào)處理系列課程國(guó)家級(jí)教學(xué)團(tuán)隊(duì),團(tuán)隊(duì)帶頭人;隨機(jī)信號(hào)分析與處理國(guó)家精品課程和國(guó)家資源共享課,課程負(fù)責(zé)人;統(tǒng)計(jì)信號(hào)處理研究生MOOC課程建設(shè),項(xiàng)目負(fù)責(zé)人。
目 錄
第一部分 方法論與通用方法
第1章 引言2
1.1 動(dòng)機(jī)和目標(biāo)2
1.2 核心算法3
1.3 容易的、難的和不可能的問題3
1.4 增加成功的概率提升直覺8
1.5 應(yīng)用領(lǐng)域8
1.6 注意事項(xiàng)9
1.6.1 信號(hào)類型9
1.6.2 本書的特點(diǎn)和符號(hào)表示9
1.7 小結(jié)10
參考文獻(xiàn)10
附錄1A 練習(xí)解答11
第2章 算法設(shè)計(jì)方法13
2.1 引言13
2.2 一般方法13
2.3 信號(hào)處理算法設(shè)計(jì)實(shí)例18
2.4 小結(jié)29
參考文獻(xiàn)29
附錄2A 多普勒效應(yīng)的推導(dǎo)30
附錄2B 練習(xí)解答31
第3章 信號(hào)的數(shù)學(xué)建模33
3.1 引言33
3.2 信號(hào)模型的分層(分類)34
3.3 線性與非線性確定性信號(hào)模型37
3.4 參數(shù)已知的確定性信號(hào)(類型1)38
3.4.1 正弦信號(hào)38
3.4.2 阻尼指數(shù)信號(hào)39
3.4.3 阻尼正弦信號(hào)39
3.4.4 相位調(diào)制信號(hào)39
3.4.5 多項(xiàng)式信號(hào)40
3.4.6 周期信號(hào)41
3.5 具有未知參數(shù)的確定性信號(hào)(類型2)42
3.5.1 一般考慮42
3.5.2 多項(xiàng)式信號(hào)模型42
3.5.3 周期信號(hào)模型44
3.5.4 非線性和部分線性信號(hào)47
3.6 具有已知PDF的隨機(jī)信號(hào)(類型3)49
3.6.1 一般考慮49
3.6.2 隨機(jī)正弦模型零均值51
3.6.3 隨機(jī)正弦模型非零均值51
3.6.4 貝葉斯線性模型52
3.6.5 其他具有已知PDF的隨機(jī)模型53
3.7 PDF具有未知參數(shù)的隨機(jī)信號(hào)(類型4)53
3.8 小結(jié)53
參考文獻(xiàn)54
附錄3A 練習(xí)解答54
第4章 噪聲的數(shù)學(xué)建模57
4.1 引言57
4.2 一般噪聲模型57
4.3 高斯白噪聲59
4.4 高斯色噪聲61
4.5 一般高斯噪聲66
4.6 IID非高斯噪聲71
4.7 隨機(jī)相位正弦噪聲74
4.8 小結(jié)75
參考文獻(xiàn)76
附錄4A 隨機(jī)過程的概念和公式76
附錄4B 高斯隨機(jī)過程78
附錄4C AR PSD的幾何解釋79
附錄4D 練習(xí)解答80
第5章 信號(hào)模型選擇84
5.1 引言84
5.2 信號(hào)建模85
5.2.1 路圖85
5.3 示例86
5.4 參數(shù)估計(jì)89
5.5 模型階數(shù)的選擇90
5.6 小結(jié)94
參考文獻(xiàn)94
附錄5A 練習(xí)解答94
第6章 噪聲模型選擇97
6.1 引言97
6.2 噪聲建模97
6.2.1 路圖97
6.3 示例99
6.4 噪聲特性的估計(jì)105
6.4.1 均值106
6.4.2 方差106
6.4.3 協(xié)方差107
6.4.4 自相關(guān)序列108
6.4.5 均值向量和協(xié)方差矩陣108
6.4.6 PDF110
6.4.7 PSD114
6.5 模型階數(shù)的選擇116
6.6 小結(jié)117
參考文獻(xiàn)118
附錄6A 置信區(qū)間118
附錄6B 練習(xí)解答120
第7章 性能評(píng)估、測(cè)試與文檔124
7.1 引言124
7.2 為什么采用計(jì)算機(jī)模擬評(píng)估124
7.3 統(tǒng)計(jì)意義下的性能度量指標(biāo)125
7.3.1 參數(shù)估計(jì)的性能度量指標(biāo)126
7.3.2 檢測(cè)性能的度量指標(biāo)127
7.3.3 分類性能度量標(biāo)準(zhǔn)130
7.4 性能邊界133
7.5 精確與漸近性能134
7.6 靈敏度135
7.7 有效性能比較136
7.8 性能/復(fù)雜性的折中138
7.9 算法軟件開發(fā)138
7.10 算法文檔142
7.11 小結(jié)142
參考文獻(xiàn)143
附錄7A 算法描述文檔中包括的信息檢查表143
附錄7B 算法描述文檔樣本145
7B.1 問題與目標(biāo)145
7B.2 歷史145
7B.3 假設(shè)145
7B.4 數(shù)學(xué)模型145
7B.5 算法描述145
7B.6 算法實(shí)現(xiàn)146
7B.7 MATLAB實(shí)現(xiàn)146
7B.8 計(jì)算機(jī)產(chǎn)生數(shù)據(jù)的性能147
7B.9 現(xiàn)場(chǎng)數(shù)據(jù)的性能149
7B.10 強(qiáng)/弱關(guān)系149
7B.11 參考文獻(xiàn)149
7B.12 支持材料150
附錄7C 練習(xí)解答153
第8章 使用大定理的最佳方法155
8.1 引言155
8.2 大定理156
8.2.1 參數(shù)估計(jì)156
8.2.2 檢測(cè)161
8.2.3 分類163
8.3 線性模型的最佳算法165
8.3.1 參數(shù)估計(jì)166
8.3.2 檢測(cè)167
8.3.3 分類168
8.4 利用理論導(dǎo)出新結(jié)論169
8.5 實(shí)用最佳方法170
8.5.1 參數(shù)估計(jì):最大似然估計(jì)171
8.5.2 檢測(cè)172
8.5.3 分類173
8.6 所學(xué)內(nèi)容173
參考文獻(xiàn)173
附錄8A 參數(shù)估計(jì)的一些分析174
8A.1 經(jīng)典方法174
8A.2 貝葉斯方法176
附錄8B 練習(xí)解答177
第二部分 特 定 算 法
第9章 估計(jì)算法182
9.1 引言182
9.2 信號(hào)信息的提取182
9.3 噪聲/干擾時(shí)的信號(hào)增強(qiáng)199
參考文獻(xiàn)206
附錄9A 練習(xí)解答207
第10章 檢測(cè)算法209
10.1 引言209
10.2 已知信號(hào)形式(已知信號(hào))210
10.3 未知信號(hào)形式(隨機(jī)信號(hào))215
10.4 未知信號(hào)參數(shù)(部分已知信號(hào))218
參考文獻(xiàn)224
附錄10A 練習(xí)解答224
第11章 譜估計(jì)226
11.1 引言226
11.2 非參量(傅里葉)方法227
11.3 參量(基于模型)譜分析232
11.3.1 AR模型階數(shù)的估計(jì)237
11.4 時(shí)變功率譜密度238
參考文獻(xiàn)238
附錄11A 傅里葉譜分析及濾波238
附錄11B 補(bǔ)零及精度問題240
附錄11C 練習(xí)解答241
第三部分 實(shí) 例 擴(kuò) 展
第12章 復(fù)數(shù)據(jù)擴(kuò)展244
12.1 引言244
12.2 復(fù)信號(hào)247
12.3 復(fù)噪聲247
12.3.1 復(fù)隨機(jī)變量247
12.3.2 復(fù)隨機(jī)矢量248
12.3.3 復(fù)隨機(jī)過程249
12.4 復(fù)最小均方及線性模型251
12.5 復(fù)數(shù)據(jù)的算法擴(kuò)展252
12.5.1 復(fù)數(shù)據(jù)的估計(jì)252
12.5.2 復(fù)數(shù)據(jù)的檢測(cè)258
12.5.3 復(fù)數(shù)據(jù)的譜估計(jì)261
12.6 其他擴(kuò)展263
12.7 章節(jié)總結(jié)264
參考文獻(xiàn)264
附錄12A 練習(xí)解答264
第四部分 真 實(shí) 應(yīng) 用
第13章 案例統(tǒng)計(jì)問題270
13.1 引言270
13.2 估計(jì)問題雷達(dá)多普勒中心頻率270
13.3 已學(xué)內(nèi)容277
參考文獻(xiàn)278
附錄13A AR功率譜密度的3 dB帶寬278
附錄13B 練習(xí)解答279
第14章 案例研究檢測(cè)問題280
14.1 引言280
14.2 估計(jì)問題磁信號(hào)檢測(cè)280
14.3 已學(xué)內(nèi)容290
參考文獻(xiàn)291
附錄14A 練習(xí)解答291
第15章 案例研究譜估計(jì)問題292
15.1 引言292
15.2 提取肌肉噪聲294
15.3 肌肉噪聲的譜分析296
15.4 改善ECG波形297
15.5 已學(xué)內(nèi)容299
參考文獻(xiàn)299
附錄15A 練習(xí)解答299
附錄A 符號(hào)和縮寫術(shù)語表301
附錄B MATLAB簡(jiǎn)要介紹305
附錄C 隨書光盤內(nèi)容的描述 309