Steven M.Kay《统计信号处理基础—估计与检测理论》

商品介绍
买家评价
圣才社群

商品介绍

内容简介

本书是一部经典的有关统计信号处理的权*著作。全书分为两卷，分别讲解了统计信号处理基础的估计理论和检测理论。卷I详细介绍了经典估计理论和贝叶斯估计，总结了各种估计方法，考虑了维纳滤波和卡尔曼滤波，并介绍了对复数据和参数的估计方法。卷II全面介绍了计算机上实现的*佳检测算法，并且重点介绍了现实中的信号处理应用，包括现代语音、通信技术以及传统的声纳/雷达系统。本卷从检测的基础理论开始，复习了高斯，c2、F、瑞利及莱斯概率密度；讲解了高斯随机变量的二次型，以及渐近高斯概率密度和蒙特卡洛性能评估。

第1章引言

1.1 信号处理中的估计

1.2 估计的数学问题

1.3 估计量性能评估

1.4 几点说明

第2章最小方差无偏估计

2.1 引言

2.2 小结

2.3 无偏估计量

2.4 最小方差准则

2.5 最小方差无偏估计的存在性

2.6 求最小方差无偏估计量

2.7 扩展到矢量参数

第3章 Cramer?Rao下限

3.1 引言

3.2 小结

3.3 估计量精度考虑

3.4 Cramer?Rao下限

3.5 高斯白噪声中信号的一般CRLB

3.6 参数的变换

3.7 扩展到矢量参数

3.8 矢量参数变换的CRLB

3.9 一般高斯情况的CRLB

3.10 WSS高斯随机过程的渐近CRLB

3.11 信号处理的例子

第4章线性模型

4.1 引言

4.2 小结

4.3 定义和性质

4.4 线性模型的例子

4.5 扩展到线性模型

第5章一般最小方差无偏估计

5.1 引言

5.2 小结

5.3 充分统计量

5.4 求充分统计量

5.5 利用充分统计量求MVU估计量

5.6 扩展到矢量参数

第6章最佳线性无偏估计量

6.1 引言

6.2 小结

6.3 BLUE的定义

6.4 求BLUE

6.5 扩展到矢量参数

6.6 信号处理的例子

第7章最大似然估计

7.1 引言

7.2 小结

7.3 举例

7.4 求MLE

7.5 MLE的性质

7.6 变换参数的MLE

7.7 MLE的数值确定

7.8 扩展到矢量参数

7.9 渐近MLE

7.10 信号处理的例子

第8章最小二乘估计

8.1 引言

8.2 小结

8.3 最小二乘估计方法

8.4 线性最小二乘估计

8.5 几何解释

8.6 按阶递推最小二乘估计

8.7 序贯最小二乘估计

8.8 约束最小二乘估计

8.9 非线性最小二乘估计

8.10 信号处理的例子

第9章矩方法

9.1 引言

9.2 小结

9.3 矩方法

9.4 扩展到矢量参数

9.5 估计量的统计评价

9.6 信号处理的例子

第10章贝叶斯原理

10.1 引言

10.2 小结

10.3 知识和估计

10.4 选择先验PDF

10.5 高斯PDF的特性

10.6 贝叶斯线性模型

10.7 多余参数

10.8 确定性参数的贝叶斯估计

圣才学习网全部分类

Steven M.Kay《统计信号处理基础—估计与检测理论》

商品介绍