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。
目录
卷I：统计信号处理基础――估计理论
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
参考文献
习题
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
参考文献
习题
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
参考文献
习题
附录3A 标量参数CRLB的推导
附录3B 矢量参数CRLB的推导
附录3C 一般高斯CRLB的推导
附录3D 渐近CRLB的推导
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
参考文献
习题
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
参考文献
习题
附录5A Neyman?Fisher因子分解定理（标量参数）的证明
附录5B Rao?Blackwell?Lehmann?Scheffe定理（标量参数）的证明
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
参考文献
习题
附录6A 标量BLUE的推导
附录6B 矢量BLUE的推导
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
参考文献
习题
附录7A 蒙特卡洛方法
附录7B 标量参数MLE的渐近PDF
附录7C EM算法例题中条件对数似然函数的推导
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
参考文献
习题
附录8A 按阶递推最小二乘估计的推导
附录8B 递推投影矩阵的推导
附录8C 序贯最小二乘估计的推导
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
参考文献
习题
第10章 贝叶斯原理
10．1 引言
10．2 小结
10．3 先验知识和估计
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
参考文献
习题
附录10A 条件高斯PDF的推导
第11章 一般贝叶斯估计量
11．1 引言
11．2 小结
11．3 风险函数
11．4 最小均方误差估计量
11．5 最大后验估计量
11．6 性能描述
11．7 信号处理的例子
参考文献
习题
附录11A 连续时间系统到离散时间系统的转换
第12章 线性贝叶斯估计量
12．1 引言
12．2 小结
12．3 线性MMSE估计
12．4 几何解释
12．5 矢量LMMSE估计量
12．6 序贯LMMSE估计
12．7 信号处理的例子-维纳滤波器
参考文献
习题
附录12A 贝叶斯线性模型的序贯LMMSE估计量的推导
第13章 卡尔曼滤波器
13．1 引言
13．2 小结
