《现代数字信号处理与噪声降低(第3版)》

内容简介本书以通信和信息处理系统为应用背景，在简要介绍概率论和随机过程基本原理的基础上，详细介绍了贝叶斯估计与分类、隐马尔可夫模型、自适应滤波器、多波段线性预测器和谱估计技术等，深入探讨了关于回波抵消、脉冲噪声和瞬态噪声的消除、宽带噪声抑制、信道估计，以及基于隐马尔可夫模型的信号与噪声分离技术。本书以读者易于接受的图示和数学推导，着重介绍了贝叶斯理论及其在噪声削弱中的应用。全书共分为17章，包括：绪论，噪声与失真，概率与信息论模型，贝叶斯推断，隐马尔可夫模型，最小二乘误差滤波器，自适应滤波器，线性预测模型，功率谱与相关函数，内插，谱幅度估计，脉冲噪声，瞬态噪声脉冲，回波抵消，信道均衡及盲解卷积，噪声中的语音增强，无线通信中的噪声。本书是一本从实际应用中提炼问题，并上升到理论高度进行分析与解决的好书，具有较强的实际应用价值和理论价值，既可以作为研究生和大学本科高年级学生的教学参考书，也可以供通信与电子信息相关领域的工程技术人员参考。
图书目录第1章绪论1.1信号与信息1.2信号处理方法1.2.1基于变换的信号处理1.2.2基于模型的信号处理1.2.3贝叶斯统计信号处理1.2.4神经网络1.3数字信号处理的应用1.3.1自适应噪声抵消1.3.2自适应噪声削弱1.3.3盲信道均衡1.3.4信号分类与模式识别1.3.5语音的线性预测建模1.3.6音频信号的数字编码1.3.7噪声中的信号检测1.3.8波形的方向接收：波束形成1.3.9杜比降噪1.3.10雷达信号处理：多普勒频移1.4采样与模-数转换1.4.1模拟信号的采样与重建1.4.2量化参考文献第2章噪声与失真2.1引言2.2白噪声2.2.1带限白噪声2.3有色噪声2.4脉冲噪声2.5暂态噪声脉冲2.6热噪声2.7散粒噪声2.8电磁噪声2.9信道失真2.10回波和多径反射2.11噪声的建模2.11.1加性高斯白噪声模型2.11.2噪声的隐马尔可夫模型参考文献第3章概率与信息论模型3.1引言3.2随机信号3.2.1随机过程3.2.2随机过程空间3.3概率模型3.3.1概率与随机变量3.3.2概率质量函数3.3.3概率密度函数3.3.4随机过程的概率密度函数3.4信息论模型3.4.1熵3.4.2互信息3.4.3熵编码3.5平稳与非平稳随机过程3.5.1严平稳随机过程3.5.2广义平稳随机过程3.5.3非平稳过程3.6随机过程的统计量（期望值）3.6.1均值3.6.2自相关3.6.3自协方差3.6.4功率谱密度3.6.5两个随机过程的联合统计平均3.6.6互功率谱与互协方差3.6.7互功率谱密度与相干性3.6.8各态历经过程与时间平均统计量3.6.9均值各态历经过程3.6.10相关各态历经过程3.7一些有用的随机过程类型3.7.1高斯（正态）过程3.7.2多元高斯过程3.7.3高斯混合过程3.7.4一种二元态高斯过程3.7.5泊松过程3.7.6散粒噪声3.7.7杂波与脉冲噪声的泊松-高斯模型3.7.8马尔可夫过程3.7.9马尔可夫链过程3.7.10伽马概率分布3.7.11瑞利概率分布3.7.12拉普拉斯概率分布3.8随机过程的变换3.8.1随机过程的单调变换3.8.2随机信号的多对一映射3.9小结参考文献第4章贝叶斯推断4.1贝叶斯估计理论：基本定义4.1.1估计的动态模型和概率模型4.1.2参数空间与信号空间4.1.3参数估计和信号恢复4.1.4性能测度与所希望的估计量性能4.1.5先验、后验空间与分布4.2贝叶斯估计4.2.1最大后验估计4.2.2最大似然估计4.2.3最小均方误差估计4.2.4最小平均绝对误差估计4.2.5均匀分布参数高斯过程条件下MAP,ML,MMSE和MAVE的等价性4.2.6先验概率对估计偏差和方差的影响4.2.7先验知识和观测数据的相对重要性4.3期望-最大方法4.3.1EM算法的收敛性4.4最小估计方差的克拉美罗（CRAMER-RAO）界4.4.1随机参数的克拉美罗界4.4.2矢量参数的克拉美罗界4.5高斯混合模型的设计4.5.1高斯混合模型的EM估计4.6贝叶斯分类4.6.1贝叶斯分类4.6.2分类误差4.6.3离散参数的贝叶斯分类4.6.4最大后验分类4.6.5最大似然分类4.6.6最小均方误差分类4.6.7有限状态过程的贝叶斯分类4.6.8最可能状态序列的贝叶斯估计4.7随机过程空间的建模4.7.1随机过程的矢量量化4.7.2使用高斯模型的矢量量化4.7.3矢量量化器的设计：K-均值聚类4.8小结参考文献第5章隐马尔可夫模型5.1非平稳过程的统计模型5.2隐马尔可夫模型5.2.1马尔可夫模型与隐马尔可夫模型的比较5.2.2语音隐马尔可夫模型的物理解释5.2.3作为贝叶斯模型的隐马尔可夫模型5.2.4隐马尔可夫模型的参数5.2.5状态观测概率模......

547千字
323
16开

北京朝阳区