本书系统地介绍了以离散时间随机过程为处理对象的数字信号处理理论和方法。全书共分9章,内容包括: 离散时间信号与系统,离散时间平稳随机过程,功率谱估计和信号频率估计方法,维纳滤波原理及自适应算法,维纳滤波在信号处理中的应用,最小二乘估计理论及算法,卡尔曼滤波,阵列信号处理与空域滤波
,盲信号处理。内容安排上注重概念和理论的工程应用,各章中还安排有一定的应用实例。
本书可作为电子信息工程、通信工程、自动控制、电子科学与技术等专业的研究生教材或教学参考书,也可作为相关专业工程技术人员的参考资料。
数字信号处理是指用数字计算机或其他专用数字设备,以数值计算的方式对离散时间信号进行分析、处理。传统的数字信号处理主要是针对线性时不变离散时间系统,用卷积、离散时间傅里叶变换、Z变换等理论对确定信号进行处理; 而现代数字信号处理,是在传统数字信号处理理论基础之上,基于概率统计的思想,用数理统计、优化估计、线性代数和矩阵计算等理论进行研究,处理的信号通常是离散时间随机过程,且系统可能是时变、非线性的。
本书是根据作者长期在电子科技大学为研究生开设《现代数字信号处理及应用》课程的教学讲义,并结合作者的科研活动和应用体会,参考国内外相关文献资料写作而成,在内容取舍和安排上有下面一些考虑。
1. 基本概念和基本理论讲清楚、讲透
对现代数字信号处理的基本概念,尽量使用通俗易懂的语言,深入浅出地进行描述,使读者易于理解、掌握; 对其中的基本理论、基本公式,尽量给出严格的数学推导和理论证明,以体现理论的正确性和逻辑的严密性。
2. 注重理论算法与具体工程应用相结合
为使读者对抽象的理论易于理解,书中各章在对基本理论进行介绍的同时,给出了这些理论在实际工程中的具体应用实例,包括工程应用背景、接收信号和处理系统模型、计算过程和处理结果等。
3. 适当介绍近年来发展的新理论、新方法
随着硬件处理能力和数学理论的发展,现代数字信号处理是一门发展很快的学科,本书在内容安排上注意介绍一些近年来得到发展的新理论、新方法,如多级维纳滤波理论、谱估计中的APES算法、盲信号处理等。
4. 重点介绍信号的时域处理理论,集中介绍空域处理理论
本书在信号的时域处理和空域处理上是这样安排的,首先用较大篇幅将信号的各种时域处理理论阐述清楚,然后将信号的空域处理集中在第8章进行介绍,表述方法为: 在建立空域信号处理模型后,用类比的方法直接将信号时域处理的结论引用到空域处理中。
基于上面的考虑,全书分为9章,各章内容安排如下。
第1章归纳介绍了离散时间信号与系统的相关内容; 第2章介绍了离散时间平稳随机过程的相关理论,包括自相关矩阵的概念和性质等重要内容。第1章和第2章内容是后续各章内容的基础。
第3章介绍了离散时间随机过程功率谱估计和信号频率估计的理论和方法; 第4章阐述了维纳滤波器理论和自适应算法; 在此基础上,第5章讨论了维纳滤波理论的工程应用; 接着第6章讨论了有限观测样本时的最小二乘估计理论; 第7章介绍了卡尔曼滤波理论。
第8章将时域信号处理理论应用于空域信号处理,介绍了阵列处理和空域滤波理论和算法; 最后第9章讨论了盲信号处理的理论和算法。
本书各章安排了较多的习题和仿真实验题,以加深读者对理论的理解和掌握,同时熟悉理论在工程上的应用。讲授完本书全部内容约需60学时左右,根据不同的教学大纲和学时安排,具体讲授时可对本书各章节内容进行取舍。
本书除何子述、夏威两位主要作者外,参加写作工作的还有: 程婷同志参加了第1章全部和第7章部分内容的写作; 贾可新和廖羽宇同志参加了第2章和第3章的写作; 邹麟同志参加了第7章部分内容和第9章部分内容的写作; 谢菊兰同志参加了第8章的写作。参加稿件完善、校对和习题解答工作的还有陈客松、李会勇、黄秋钦、梁炎夏、杨怡佳、何茜、肖熠、余嘉、张旭红等同志; 黄琪、杨卫平两位同志为本书绘制了全部插图; 万群同志对本书的完成提供了许多建议和帮助; 在此对他们的辛勤付出深表感谢!
本书的完成得到了电子科技大学研究生院、电子工程学院等部门的热情帮助和支持,作者深表感谢!
限于作者水平,书中定有不当和错误之处,恳请读者批评指正。
何子述
2008年冬于成都沙河畔
第1章离散时间信号与系统
1.1离散时间信号与系统基础
1.1.1离散时间信号的定义与分类
1.1.2离散时间信号的差分和累加
1.1.3离散时间系统定义及LTI特性
1.1.4LTI离散时间系统响应——卷积和
1.1.5离散时间信号相关函数及卷积表示
1.2离散时间信号与系统的傅里叶分析
1.2.1复指数信号通过LTI系统的响应
1.2.2离散时间信号的傅里叶级数和傅里叶变换
1.2.3傅里叶变换的性质
1.2.4离散时间系统频率响应与理想滤波器
1.2.5离散时间信号的DFT和FFT
1.3离散时间信号的Z变换
1.3.1Z变换的概念
1.3.2Z变换的性质
1.3.3离散时间系统的z域描述——系统函数
1.3.4离散时间系统的方框图和信号流图表示
1.4LTI离散时间系统性能描述
1.4.1系统的记忆性
1.4.2系统的因果性
1.4.3系统的可逆性
1.4.4系统的稳定性和最小相位系统
1.4.5线性相位系统与系统的群时延
1.5离散时间系统的格型结构
1.5.1全零点滤波器的格型结构
1.5.2全极点滤波器的格型结构
1.6连续时间信号的离散化及其频谱关系
1.7离散时间实信号的复数表示
1.7.1离散时间解析信号(预包络)
1.7.2离散时间希尔伯特变换
1.7.3离散时间窄带信号的复数表示(复包络)
1.8窄带信号的正交解调与数字基带信号
1.8.1模拟正交解调与采集电路原理
1.8.2数字正交解调与采集电路原理
1.8.3基带信号的随机相位与载波同步
1.9多相滤波与信道化处理
1.9.1横向滤波器的多相结构
1.9.2信号的均匀信道化
1.9.3基于多相滤波器组的信道化原理
习题
参考文献
第2章离散时间平稳随机过程
2.1离散时间平稳随机过程基础
2.1.1离散时间随机过程及其数字特征
2.1.2离散时间平稳随机过程及其数字特征
2.1.3遍历性与统计平均和时间平均
2.1.4循环平稳性的概念
2.1.5随机过程间的独立、正交、相关
2.2平稳随机过程的自相关矩阵及其性质
2.2.1自相关矩阵的定义
2.2.2自相关矩阵的基本性质
2.2.3自相关矩阵的特征值与特征向量的性质
2.3离散时间平稳随机过程的功率谱密度
2.3.1功率谱的定义
2.3.2功率谱的性质
2.3.3平稳随机过程通过LTI离散时间系统的功率谱
2.4离散时间平稳随机过程的参数模型
2.4.1Wold分解定理
2.4.2平稳随机过程的参数模型
2.5随机过程高阶累积量和高阶谱的概念
2.5.1高阶矩和高阶累积量
2.5.2高阶累积量的性质
2.5.3高阶谱的概念
习题
参考文献
第3章功率谱估计和信号频率估计方法
3.1经典功率谱估计方法
3.1.1BT法
3.1.2周期图法
3.1.3经典功率谱估计性能讨论
3.1.4经典功率谱估计的改进
3.1.5经典功率谱估计仿真实例及性能比较
3.2平稳随机过程的AR参数模型功率谱估计
3.2.1AR参数模型的正则方程
3.2.2AR参数模型的LevinsonDurbin迭代算法
3.2.3AR参数模型功率谱估计步骤及仿真实例
3.2.4AR参数模型功率谱估计性能讨论
3.3MA参数模型和ARMA参数模型功率谱估计原理
3.3.1MA参数模型的正则方程
3.3.2ARMA参数模型的正则方程
3.4MVDR信号频率估计方法
3.4.1预备知识: 标量函数关于向量的导数和梯度的概念
3.4.2MVDR滤波器原理
3.4.3MVDR频率估计算法仿真实例
3.5APES算法
3.5.1APES算法原理
3.5.2APES算法仿真实例
3.6基于相关矩阵特征分解的信号频率估计
3.6.1信号子空间和噪声子空间的概念
3.6.2MUSIC算法
3.6.3RootMUSIC算法
3.6.4Pisarenko谐波提取方法
3.6.5ESPRIT算法
3.6.6信号源个数的确定方法
3.7谱估计在电子侦察中的应用实例
3.7.1常规通信信号的参数估计
3.7.2跳频信号的参数估计
习题
参考文献
第4章维纳滤波原理及自适应算法
4.1自适应横向滤波器及其学习过程
4.1.1自适应横向滤波器结构
4.1.2自适应横向滤波器的学习过程和工作过程
4.2维纳滤波原理
4.2.1均方误差准则及误差性能面
4.2.2维纳霍夫方程
4.2.3正交原理
4.2.4最小均方误差
4.2.5计算实例1: 噪声中的单频信号估计
4.2.6计算实例2: 信道传输信号的估计
4.3维纳滤波器的最陡下降求解方法
4.3.1维纳滤波的最陡下降算法
4.3.2最陡下降算法的收敛性
4.3.3最陡下降算法的学习曲线
4.3.4最陡下降算法仿真实例
4.4LMS算法
4.4.1LMS算法原理
4.4.2LMS算法权向量均值的收敛性
4.4.3LMS算法均方误差的统计特性
4.4.4LMS算法仿真实例
4.4.5几种改进的LMS算法简介
4.5多级维纳滤波器理论
4.5.1输入向量满秩变换的维纳滤波
4.5.2维纳滤波器降阶分解原理
4.5.3维纳滤波器的多级表示
4.5.4基于输入信号统计特性的权值计算步骤
4.5.5一种阻塞矩阵的构造方法
4.5.6基于观测数据的权值递推算法
4.5.7仿真计算实例
习题
参考文献
第5章维纳滤波在信号处理中的应用
5.1维纳滤波在线性预测中的应用
5.1.1线性预测器原理
5.1.2线性预测与AR模型互为逆系统
5.1.3基于线性预测器的AR模型功率谱估计
5.2前后向线性预测及其格型滤波器结构
5.2.1前后向线性预测器(FBLP)原理
5.2.2FBLP的格型滤波器结构
5.2.3Burg算法及其在AR模型谱估计中的应用
5.2.4Burg算法功率谱估计仿真实验
5.3信道均衡
5.3.1离散时间通信信道模型
5.3.2迫零均衡滤波器
5.3.3基于MMSE准则的FIR均衡滤波器
5.3.4自适应均衡及仿真实例
5.4语音信号的线性预测编码
5.4.1语音信号的产生
5.4.2基于线性预测的语音信号处理
5.4.3仿真实验
习题
参考文献
第6章最小二乘估计理论及算法
6.1预备知识: 线性方程组解的形式
6.1.1线性方程组的唯一解
6.1.2线性方程组的最小二乘解
6.1.3线性方程组的最小范数解
6.2最小二乘估计原理
6.2.1最小二乘估计的确定性正则方程
6.2.2LS估计的正交原理
6.2.3投影矩阵的概念
6.2.4LS估计的误差平方和
6.2.5最小二乘方法与维纳滤波的关系
6.2.6应用实例: 基于LS估计的信道均衡原理
6.3用奇异值分解求解最小二乘问题
6.3.1矩阵的奇异值分解
6.3.2奇异值分解与特征值分解的关系
6.3.3用奇异值分解求解确定性正则方程
6.3.4奇异值分解迭代计算简介
6.4基于LS估计的FBLP原理及功率谱估计
6.4.1FBLP的确定性正则方程
6.4.2用奇异值分解实现AR模型功率谱估计
6.5递归最小二乘(RLS)算法
6.5.1矩阵求逆引理
6.5.2RLS算法原理
6.5.3自适应均衡仿真实验
6.6基于QR分解的递归最小二乘(QRRLS)算法原理
6.6.1矩阵的QR分解
6.6.2QRRLS算法
6.6.3基于Givens旋转的QRRLS算法
6.6.4利用Givens旋转直接得到估计误差信号
6.6.5QRRLS算法的systolic多处理器实现原理
习题
参考文献
第7章卡尔曼滤波
7.1基于新息过程的递归最小均方误差估计
7.1.1标量新息过程及其性质
7.1.2最小均方误差估计的新息过程表示
7.1.3向量新息过程及其性质
7.2系统状态方程和观测方程的概念
7.3卡尔曼滤波原理
7.3.1状态向量的最小均方误差估计
7.3.2新息过程的自相关矩阵
7.3.3卡尔曼滤波增益矩阵
7.3.4卡尔曼滤波的黎卡蒂方程
7.3.5卡尔曼滤波计算步骤
7.4卡尔曼滤波的统计性能
7.4.1卡尔曼滤波的无偏性
7.4.2卡尔曼滤波的最小均方误差估计特性
7.5卡尔曼滤波的推广
7.5.1标称状态线性化滤波
7.5.2扩展卡尔曼滤波
7.6卡尔曼滤波的应用
7.6.1卡尔曼滤波在维纳滤波中的应用
7.6.2卡尔曼滤波在雷达目标跟踪中的应用
7.6.3αβ滤波的概念
7.6.4卡尔曼滤波在交互多模型算法中的应用
7.6.5卡尔曼滤波在数据融合中的应用
习题
参考文献
第8章阵列信号处理与空域滤波
8.1阵列接收信号模型
8.1.1均匀线阵接收信号模型
8.1.2任意阵列(共形阵)接收信号模型
8.1.3均匀矩形阵接收信号模型
8.1.4均匀圆阵接收信号模型
8.2空间谱与DOA估计
8.3基于MUSIC算法的信号DOA估计方法
8.3.1MUSIC算法用于信号DOA估计
8.3.2仿真实例
8.4信号DOA估计的ESPRIT算法
8.4.1ESPRIT算法用于信号DOA估计的原理
8.4.2仿真实例
8.5干涉仪测向原理
8.5.1一维相位干涉仪测向原理
8.5.2二维相位干涉仪
8.6空域滤波与数字波束形成
8.6.1空域滤波和阵方向图
8.6.2数字自适应干扰置零
8.7基于MVDR算法的DBF方法
8.7.1MVDR波束形成器原理
8.7.2QR分解SMI算法
8.7.3MVDR波束形成器实例
8.7.4LCMV波束形成器简介
8.7.5LCMV波束形成器的维纳滤波器结构
8.8空域APES数字波束形成和DOA估计方法
8.8.1前向SAPES波束形成器原理
8.8.2仿真实例
8.9多旁瓣对消数字自适应波束形成方法
8.9.1多旁瓣对消数字波束形成原理
8.9.2多旁瓣对消的最小二乘法求解
8.10阵列信号处理中的其他问题
8.10.1相关信号源问题
8.10.2宽带信号源问题
8.10.3阵列校正与均衡问题
习题
参考文献
第9章盲信号处理
9.1盲信号处理的基本概念
9.1.1盲系统辨识与盲解卷积
9.1.2信道盲均衡
9.1.3盲源分离与独立分量分析(ICA)
9.1.4盲波束形成
9.2Bussgang盲均衡原理
9.2.1自适应盲均衡与Bussgang过程
9.2.2Sato算法
9.2.3恒模算法
9.2.4判决引导算法
9.3SIMO信道模型及子空间盲辨识原理
9.3.1SIMO信道模型
9.3.2SIMO信道模型的Sylvester矩阵
9.3.3SIMO信道的可辨识条件和模糊性
9.3.4基于子空间的盲辨识算法
9.4SIMO信道的CR盲辨识原理及自适应算法
9.4.1CR算法
9.4.2多信道LMS算法
9.5基于阵列结构的盲波束形成
9.5.1基于奇异值分解的降维预处理
9.5.2基于ESPRIT算法的盲波束形成
9.6基于信号恒模特性的盲波束形成
9.6.1SGDCMA算法
9.6.2RLSCMA算法
9.6.3解析恒模算法简介
习题
参考文献
索引
常用符号表