目 錄
第1章 信號檢測、估計理論與識別技術概述 1
1.1 引言 1
1.2 信號的隨機性及其處理方法 1
1.3 信號檢測與估計理論概述 3
1.4 信號識別技術概述 5
習題1 6
第2章 隨機過程與隨機信號的相關理論 7
2.1 隨機過程的基本概念 7
2.1.1 隨機過程的基本描述 7
2.1.2 隨機過程的分類 8
2.1.3 隨機過程的概率分布與統計分析 10
2.2 隨機信號的基本概念 12
2.2.1 隨機過程與隨機信號 12
2.2.2 隨機信號分析的一般方法 13
習題2 15
第3章 信號狀態的統計檢測理論 16
3.1 概述 16
3.2 二元信號的貝葉斯檢測準則 16
3.2.1 平均代價與貝葉斯檢測準則的概念 18
3.2.2 *佳判決式 18
3.2.3 檢測性能分析 20
3.3 二元信號的派生貝葉斯檢測準則 20
3.3.1 *小平均錯誤概率檢測準則 21
3.3.2 *大后驗概率檢測準則 22
3.3.3 極小化極大檢測準則 22
3.3.4 奈曼-皮爾遜檢測準則 25
3.4 多元信號狀態的統計檢測 28
3.4.1 M元信號狀態的統計檢測 28
3.4.2 M元信號的貝葉斯檢測準則 29
3.4.3 M元信號的*小平均錯誤概率檢測準則 29
3.5 隨機（或未知）參量信號狀態的統計檢測 31
3.6 信號狀態的序列檢測 37
3.6.1 信號狀態序列檢測的概念 37
3.6.2 序列檢測的似然比檢驗判決式 38
3.6.3 判決域的劃分 38
3.6.4 序列檢測的平均觀測次數 39
習題3 41
第4章 信號波形檢測理論 44
4.1 概述 44
4.2 匹配濾波器理論 44
4.2.1 匹配濾波器的概念 44
4.2.2 匹配濾波器的定義 45
4.2.3 匹配濾波器的設計 45
4.2.4 匹配濾波器的特性 47
4.2.5 應用舉例 50
4.3 確知信號的檢測 53
4.3.1 獨立樣本的獲取 53
4.3.2 接收機的結構形式 54
4.3.3 接收機的檢測性能 56
4.4 參量信號的檢測——貝葉斯方法 59
4.4.1 貝葉斯原理 59
4.4.2 高斯白噪聲中的隨機相位信號波形檢測 60
4.5 參量信號的檢測——廣義似然比方法 64
4.5.1 廣義似然比方法原理 64
4.5.2 高斯白噪聲中的幅度未知信號波形檢測 66
4.5.3 高斯白噪聲中的未知到達時間信號波形檢測 68
4.5.4 高斯白噪聲中的正弦信號波形檢測 70
4.6 一致*大勢檢測器 73
習題4 75
第5章 信號參量的統計估計理論 77
5.1 概述 77
5.1.1 信號處理中的估計問題 77
5.1.2 參量估計的數學模型和估計量的構造 78
5.1.3 估計性能的評估 79
5.2 隨機參量的貝葉斯估計 81
5.2.1 常用代價函數和貝葉斯估計的概念 81
5.2.2 貝葉斯估計量的構造 83
5.2.3 *佳估計的不變性 89
5.3 *大似然估計 90
5.3.1 *大似然估計原理 90
5.3.2 *大似然估計量的構造 90
5.3.3 *大似然估計的不變性 92
5.4 估計量的性質 93
5.4.1 估計量的主要性質 94
5.4.2 克拉美-羅不等式和克拉美-羅界 96
5.4.3 無偏有效估計量的均方誤差與克拉美-羅不等式 103
5.4.4 非隨機參量函數估計的克拉美-羅界 104
5.5 矢量估計 107
5.5.1 隨機矢量的貝葉斯估計 108
5.5.2 非隨機矢量的*大似然估計 109
5.5.3 矢量估計量的性質 109
5.5.4 非隨機矢量函數估計的克拉美-羅界 115
5.6 信號波形中參量的估計 118
5.6.1 信號振幅的估計 120
5.6.2 信號相位的估計 121
5.6.3 信號頻率的估計 122
5.6.4 信號到達時間的估計 127
5.6.5 信號頻率和到達時間的同時估計 132
習題5 134
第6章 信號波形估計理論 137
6.1 概述 137
6.2 維納濾波 138
6.2.1 非因果解 140
6.2.2 因果解（頻譜因式分解法） 142
6.2.3 正交性 147
6.2.4 離散觀測情況 148
6.2.5 平穩序列的因果和非因果維納濾波器 149
6.3 平穩序列的維納預測器 156
6.3.1 預測器計算公式 157
6.3.2 離散因果和非因果平穩序列維納預測器 158
6.4 標量卡爾曼濾波 159
6.4.1 概述 159
6.4.2 標量信號模型和觀測模型 161
6.4.3 標量卡爾曼濾波算法 162
6.5 矢量卡爾曼濾波 167
6.5.1 從標量運算向矢量運算的過渡 167
6.5.2 矢量卡爾曼濾波算法 168
6.5.3 矢量卡爾曼濾波器的實現 169
習題6 170
第7章 通信信號調制識別與參數估計 173
7.1 概述 173
7.1.1 基于決策理論的*大似然假設檢驗方法 173
7.1.2 基于特征提取的統計模式識別方法 174
7.1.3 基于人工神經網絡（ANN）的識別方法 174
7.2 通信信號調制理論與識別流程 175
7.2.1 通信信號調制信號理論 175
7.2.2 通信信號檢測與識別流程 181
7.3 信號特征參數與調制分類 182
7.3.1 統計量特征 183
7.3.2 譜相關 191
7.3.3 小波變換特征 195
7.3.4 復雜度特征 197
7.3.5 分類器 201
7.4 基于聚類與粒子群重構星座圖的MQAM信號識別方法 207
7.4.1 MQAM信號模型 207
7.4.2 載波頻率估計 208
7.4.3 減法聚類算法與粒子群算法理論 209
7.4.4 基于聚類與粒子群重構星座圖的M-QAM信號識別方法流程 211
7.5 多徑瑞利衰落信道下的單載波信號識別方法研究 216
7.5.1 高階累積量基本原理 216
7.5.2 基于高階累積量的信號識別方法研究 217
7.5.3 基于高階累積量的調制信號類間識別 220
7.5.4 多徑瑞利衰落信道下基于頻域均衡與高階累積量的信號識別方法 221
7.6 通信信號的參數估計 226
7.6.1 引言 226
7.6.2 信噪比估計 226
7.6.3 載頻估計 228
7.6.4 碼元速率估計 233
習題7 237
第8章 雷達信號調制識別與參數估計 238
8.1 概述 238
8.2 時頻分析基礎理論 238
8.2.1 短時傅里葉變換 239
8.2.2 Wigner-Ville時頻分布 240
8.2.3 Cohen類時頻分布 240
8.2.4 重排類時頻分布 241
8.3 支持向量機分類器 242
8.3.1 結構風險*小化 243
8.3.2 支持向量機分類器原理 243
8.4 基于時頻圖像形狀特征的雷達信號識別 245
8.4.1 信號的平滑偽Wigner時頻分布 246
8.4.2 時頻圖像的預處理 247
8.4.3 時頻圖像形狀特征的提取 247
8.4.4 訓練和分類 249
8.5 基于時頻圖像處理提取瞬時頻率的雷達信號識別 250
8.5.1 時頻分布的選取 250
8.5.2 時頻圖像處理 250
8.5.3 行索引特征提取 252
8.6 雷達信號參數估計 252
8.6.1 多項式相位信號的處理算法 252
8.6.2 正弦調頻信號的處理算法 260
8.6.3 調頻調相信號的處理算法 265
習題8 270
第9章 無線頻譜檢測技術 271
9.1 概述 271
9.2 頻譜檢測技術分類 271
9.2.1 物理層檢測 271
9.2.2 MAC層檢測 272
9.2.3 協作檢測 273
9.3 發射機檢測 273
9.3.1 匹配濾波器檢測 273
9.3.2 能量檢測 275
9.3.3 循環平穩特性檢測 277
9.4 接收機檢測 281
9.4.1 本振泄漏檢測原理 281
9.4.2 本振泄漏檢測分析 284
9.5 協作檢測 285
9.5.1 單門限協作檢測 286
9.5.2 多門限協作檢測 287
9.6 基于D-S證據理論的分布式頻譜檢測 290
9.6.1 D-S證據理論的基本概念 290
9.6.2 D-S證據理論的合成規則 291
9.6.3 基于信任度的分布式頻譜檢測 293
9.7 多天線頻譜檢測技術 295
9.7.1 基于功率譜的多天線等增益合并檢測 296
9.7.2 基于循環譜的多天線頻譜檢測 299
9.7.3 基于*優線性加權合并的多天線頻譜檢測 302
習題9 304
第10章 微弱信號檢測方法 305
10.1 概述 305
10.2 隨機共振檢測方法 306
10.2.1 隨機共振背景知識 306
10.2.2 雙穩態隨機共振系統 310
10.2.3 基于雙穩態隨機共振系統的能量檢測算法 315
10.2.4 廣義隨機共振系統 320
10.2.5 基于噪聲增強能量檢測器 321
10.3 混沌振子檢測方法 324
10.3.1 非線性動力學系統中的混沌 324
10.3.2 混沌運動的分析方法 326
10.3.3 Duffing振子的運動特性研究 328
10.3.4 參數對混沌振子運動的影響 334
10.4 粒子濾波檢測方法 337
10.4.1 粒子濾波背景知識 337
10.4.2 狀態空間模型和后驗概率密度函數 338
10.4.3 卡爾曼濾波和擴展卡爾曼濾波 339
10.4.4 粒子濾波算法 344
10.4.5 各種粒子濾波算法 348
10.4.6 代價參考粒子濾波算法 352
10.5 壓縮感知檢測方法 356
10.5.1 背景知識 356
10.5.2 壓縮感知理論的基本框架 357
10.5.3 壓縮感知的核心問題 358
習題10 362
參考文獻 364