1、第一章 随机信号本章首先介绍了随机信号的基本概念、协方差函数和功率谱密度的定义与性质。接着，从独立性、不相关性、正交性和相干性这四种基本统计关系出发，讨论了如何进行两个随机信号之间的比较与识别。随后，介绍了正交信号变换、双正交信号变换和非正交信号变换的基本理论。最后，以被随机信号激励的线性关系为对象，分析了系统输出与输入之间的统计量的关系，对两个随机信号之间的关系作了更深一步的描述。一、信号分类连续时间信号 s(t) -t离散时间信号 s(k) k 为整数确定性信号（按某函数取值，每时刻值可知）随机信号（每时刻取值未知）： 取值是随机的（不能确切已知）取值服从概率分布规律（统计特性确定，但未知
2、）二、两个随机信号的统计量1、互相关函数Rxy（）=Ex(t)y *(t-)互相关函数描述的是两个信号共同的部分（特征）。2、互相关系数()0c3、互协方差函数*()()()xyxyCEtmt4、功率谱：协方差函数的Fourier变换 2()()jfxyPfed三、两个随机信号的统计关系1、统计独立 ,()()XYXYfxyfy2、统计不相关若C xy（ ）=0， ，则称x(t)和y(t)统计不相关。3、正交若R xy( )=Ex(t)y*(t- )=0, ,则称随机信号x(t)和y(t)正交，记作x(t)y(t)。四、信号变换1、正交信号变换(1） k（t）=g k(t)（2） (),()l
3、tl2、双正交信号变换（1） （2）()kktgt(),0ktg3、非正交信号变换（1） （2）()kktt(),kt第二章 参数估计理论本章的核心是参数估计的基本理论与方法。首先，我们讨论了参数估计子几种最基本的性能：无偏估计、渐进无偏估计和有效估计。然后，又从最优估计子的评价标准出发，介绍了品质因数的方法Fisher 信息以及方差的下界Crazner-Rao 不等式。在随后的几节中，则依次介绍了 Baves 估计、最大似然估计、线性均方估计和最小二乘估计几种重要的参数估计方法。一、Fisher 信息与 Cramer-Rao 下界 定义：品质函数V(x)的方差称为Fisher信息： 22 2
4、()()ln()ln()JEVfxEfx定理：假设 是 的无偏估计，则 取等号的充要条件： 21()()VarJ，此时 称为“Cramer-Rao下界”。ln()()fxK1()J二、Bayes估计：使风险函数最小化的参数估计1、损失函数（代价函数）绝对损失函数（标量参数）(,)NC（向量参数）二次型损失函数（标量参数）2(,)C（向量参数）2、风险函数：损失函数的数学期望三、结论1、采用均方误差来衡量参数估计的优劣。2、判断无偏估计是否最好：使用Fisher信息，满足Cramer-Rao不等式。3、Bayes估计关键选什么风险函数。4、最大似然估计需要知道似然函数形式。5、线性均方估计正交原
5、理。6、最小二乘估计（若e零均值、同方差，则最小二乘法是最优的，否则要用加权最小二乘法）。第三章 现代谱估计本章从不同的角度介绍了现代功率谱估计的一些主要的方法：1ARMA 谱估计是以信号的差分模型为基础的现代普估计。2Burg 的最大熵谱估计是来源于信息论的现代谱估计，他在不同的约束条件下，分别与 AR 谱估计和 ARMA 谱估计等价。3Pisarenko 谐波分解是一种以谐波信号为特定的对象的谱估计方法，他将谐波频率的估计转化为信号相关矩阵的特征值分解。4扩展 Prony 方法是一种利用复谐波模型拟合幅信号的方法。5MUSIC 方法是一种估计信号空间参数的现代谱估计方法，它将功率谱推广为空
6、间谱，是最早问世的子空间方法。6ESPRIT 方法是一种估计信号空间参数的旋转不变技术，虽然未使用任何谱的概念，但却可以达到谐波频率估计的目的，其基本思想是将谐波频率的估计转变为矩阵束的广义特征值分解。一、MUSIC 算法步骤：1、计算样本自相关矩阵 Rxx的特征值分解，得到其主特征值 1， p和次特征值 2，并存储主特征向量 s1，s p。2、利用公式计算 MUSIC 谱 P(t)， 。3、找出 P()的 p 个峰值，他们就是待求的 MUSIC 估计值 1， p。二、TLS-ESPRIT 算法1、进行矩阵 Rxx 的特征值分解。2、利用最小特征值 2计算 CxxRxx 2I 和 CxyRxy
7、 2Z。3、作矩阵 Cxx 的奇异值分解，确定其有效秩，并存储与 p 个主奇异值对应的 1，U 1和 V1。4、计算 U1HCxyV1。5、求矩阵束 1，U 1HCxyV1的广义特征值分解，得到单位圆上的广义特征值，它们直接给出谐波频率。三、Prony 谱线估计算法1、利用式 计算 ，1*(,)()()()()Nnprijxjnjxini(,)riji,j=0,1,pe，并构造矩阵 Re。2、利用 SVD-TLS 算法确定 Re 的有效秩 p 和系数 。ia3、求特征多项式 的共轭根对 ，i=1,p。120azz *(,)iz4、计算 p 个谐波的频率arctnIm()/Re/()i iifz
8、t第四章 自适应滤波器本章核心内容是滤波器的优化设计及其自适应实现。首先，从三种角度介绍了不同的滤波器：1从信噪比最大原则出发，讲述了匹配滤波器。2从最小均方误差准则出发，推导了 Wiener 滤波器。3从状态空间模型出发，介绍了 Kalman 滤波器及其自适应算法。然后，围绕 Wiener 滤波器的自适应实现，依次介绍了 LMS 和 RLS 两种自适应算法。为了克服横向滤波器收敛慢的缺点，本章介绍了具有对称结构的 LMS型格型滤波器和具有非对称结构的 LS 格型滤波器。最后，介绍了自适应滤波器的应用，分别是自适应谱线增强器与陷波器、广义旁瓣多对消器和盲自适应多用户检测器。一、LMS 算法1、
9、初始化：(0)0；2、更新：n1,2，e(n)d(n) H(n1)u(n)(n)(n1)(n)u(n)e *(n)二、RLS 直接算法1、初始化：(0)0，P(0) -1I,其中 是一个很小的值。2、更新：n1,2，e(n)d(n) H(n1)u(n)k(n)P(n1)u(n)/u H(n)P(n1)u(n)P(n)1/P(n1)k(n)u H(n)P(n1)(n)(n1)k(n)e *(n)第五章 高阶统计分析本章介绍了非高斯信号的高阶统计分析与处理的理论、方法和应用。首先，引出了矩、累积量和高阶谱的定义。分别讨论了它们的数学性质。然后，重点介绍了基于高阶累积量的非最小相位系统的辨识、谐波恢
10、复以及自适应滤波的理论与方法。最后，以时延估计和雷达目标识别为例，介绍了如何利用累积量和高阶谱解决实际问题。一、高阶累积量的优点1、对称性质。2、理论上可完全抑制高斯有色噪声。3、i.i.d 过程容易建立线性系统理论。二、累积量的常用 BBR 公式Ry() 2h(i)h(i+)C3x( 1, 2) 3eh(i)h(i+ 1) h(i+ 2)C4y( 1, 2, 3) 4eh(i)h(i+ 1)h(i+ 2)h(i+ 3)三、谱、双普和三谱的 BBR 公式Px() 2H()H(-) 2H()H *() 2H() 2Bx( 1， 2) 3eH( 1)H( 2)H（- 1- 2）Tx( 1， 2,
11、3) 4eH( 1)H( 2) H( 3)H（- 1- 2- 3）四、FIR 系统识别 切片算法1、求下方程的最小范数解Se其中 是矩阵 S 的最小范数逆矩阵，且 e=0,0,1T。1()TS2、计算 MA 参数 或 。()biCimb五、基于三阶累积量的 RLS 自适应算法1、初始化 100()()PN2、更新 ,2,k()()Mxisnxni1()()()xTsPK)ann11()(1)TPKxPn上述中遗忘因子 1 取接近于 1 的数。第六章 时频信号分析线性变换本章首先介绍了信号局部变换的两种基本形式、解析信号和不相容原理。然后，围绕时频信号分析的线性变换，先介绍了短时 Fourier
12、 变换，并讲述临界采样和过采样的 Gabor 变换。小波分析是本章的一个重点，它包含了两个基本问题：小波的设计和小波变换的快速算法。我们从框架理论、多分辨分析和滤波器组理论三个角度，详细地讨论了小波的设计方法和快速小波包含的实现。一、对信号 Gabor 变换要解决两个问题1、选择窗函数 g(t)。2、选择辅助函数 (t)。二、确定 Gabor 展开系数方法1、求解双正交方程得到辅助函数 (t)。2、计算 Gabor 变换得到 Gabor 展开系数 amn。三、小波变换的三个基本要求1、小波是一般函数的积木块，小波能够作为基函数，对一般函数进行小波级数展开。2、小波具有时频聚焦性。3、小波具有快
13、速变换算法。第七章 时频信号分析非线性变换本章首先重点介绍了时频分析之母Wigner-Ville 分布，继而讨论了它与模糊函数之间的关系，以及时频分布的统一形式Cohen 类时频分布，它是 Wigner-Ville 分布的加窗形式。时频分布性能的评价主要由时频聚焦性和交叉项抑制决定，而后者成了时频分布研究及应用的重点和难点，通过选择不同的窗函数，可以得到各种改进的时频分布。本章最后介绍了多项式调频信号的时频分析。特别地，作为时频信号分析和高阶统计分析相结合的产物，Wigner-Ville 分布的三谱时多项式调频信号的一种有力的分析工具。1、Wigner-Ville 分布定义式：Wz(,t)Z
14、*(/2)Z(/2)e -jvtdv2、Wigner-Ville 分布是模糊函数的某种 Fourier 变换。3、交叉项抑制两类滤波方法是模糊域滤波和用核函数滤波。4、Wigner-Ville 分布的几种变型（1）伪 Wigner-Ville 分布（PWD）PWDz（t,）W z(t,)*H()（2）平滑 Wigner-Ville 分布（SWD）SWDz（t,）W z(t,)*G(t,) （*表示对时间和频率的二维卷积）（3）平滑伪 Wigner-Ville 分布（SPWD）SPWDz(t,)g(u)h()Z *(tu/2)Z(tu/2)e -jutdud（4）修正平滑伪 Wigner-Ville 分布（MSPWD）(,)(,)(,)(,)ZZMSPWDtSPDtttdt式中 和 分别代表重排后的时间和频率点。,（5）B 分布 *2(,)()()2cosh()jtzuedut 以上就是本人对这本书学习过程中，所记录的笔记，由于这本书内容过多，本人只是挑选其中我比较感兴趣的一些章节进行了学习。
