目录

前言
章绪论
1.1引言
1.2信号处理发展概况
1.3信号检测与估计理论概述
1.4内容编排
第2章信号基础
2.1引言
2.2概率与变量
2.2.1概率论基础
2.2.2变量
2.2.3变量的数字特征
2.2.4常用概率分布
2.3过程
2.3.1过程的基本概念
2.3.2平稳过程
2.3.3各态历经（遍历）过程
2.3.4功率谱密度
2.3.5白噪声过程
2.3.6信号通过线性系统
2.4离散信号
2.4.1序列的统计描述
2.4.2平稳序列
2.4.3信号的采样定理
2.4.4时间序列信号模型
2.5卡亨南—洛维展开
2.5.1积分方程的推导
2.5.2积分方程的性质
2.6信号仿真
2.6.1MATLAB的统计函数
2.6.2数与序列的产生
2.6.3序列的数字特征估计
2.6.4蒙特卡罗方法
习题
第3章检测理论基础
3.1引言
3.2经典检测理论
3.2.1假设检验
3.2.2优化准则
3.3信号检测性能
3.4判决准则
3.4.1贝叶斯准则
3.4.2均错误概率准则
3.4.3极小化极大准则
3.4.4奈曼—皮尔逊准则
3.5多样本检测
3.6多元假设检验
3.6.1多元假设检验的贝叶斯准则
3.6.2多元假设检验的均错误概率准则
3.7复合假设检验
3.7.1复合假设检验的基本概念
3.7.2复合假设检验方法
3.8序列检测
3.8.1序列检测的基本概念
3.8.2优序列检测准则
3.8.3序列检测的平均观测次数
3.9非参量检测
3.9.1非参量检测的基本概念
3.9.2基本非参量检测器
3.10鲁棒检测
3.10.1混合模型描述
3.10.2判决规则
3.10.3小有利分布对
3.10.4信号的鲁棒检测
习题
第4章信号波形的检测
4.1引言
4.2匹配滤波器理论
4.2.1匹配滤波器的概念
4.2.2匹配滤波器的设计
4.2.3匹配滤波器的主要特性
4.3高斯白噪声中确知信号的检测
4.3.1简单二元信号波形的检测
4.3.2一般二元信号波形的检测
4.3.3多元信号波形的检测
4.4高斯色噪声中确知信号的检测
4.4.1正交函数展开法
4.4.2白化法
4.4.3广义匹配滤波器法
4.5参量信号的检测
4.5.1相位信号波形的检测
4.5.2振幅与相位信号波形的检测
4.5.3频率信号波形的检测
习题
第5章估计理论基础
5.1引言
5.2信号参量估计性能
5.2.1无偏性
5.2.2有效性
5.2.3一致性（收敛性）
5.2.4充分性
5.2.5克拉默—拉奥不等式
5.3信号参量估计基本理论
5.3.1经典估计（矩估计）
5.3.2贝叶斯估计
5.3.3大后验估计
5.3.4大似然估计
5.3.5极大极小估计（Minimax Estimation）
5.3.6线性均方估计
5.3.7小二乘估计
5.4多参量估计基本理论
5.4.1多参量估计方法
5.4.2非多参量估计的误差边界
5.4.3多参量估计的误差边界
5.5连续波估计理论
5.5.1连续波估计问题
5.5.2无记忆调制系统
5.5.3有记忆调制系统
5.5.4均方估计误差下界
5.5.5多维波形估计
5.6高斯色噪声中信号参量的估计
5.6.1非参量的估计
5.6.2参量的估计
习题
第6章信号波形的估计
6.1引言
6.2维纳滤波
6.2.1波形佳线性滤波
6.2.2维纳—霍普夫（Wiener—Hopf）积分方程
6.2.3维纳滤波器
6.3离散系统的维纳滤波
6.4标量信号的卡尔曼滤波
6.4.1信号模型与观测模型
6.4.2佳线性递推滤波
6.4.3佳线性递推预测
6.4.4滤波与预测的关系
6.5矢量信号的卡尔曼滤波
6.5.1信号模型与观测模型
6.5.2佳线性滤波和预测
6.5.3一步递推预测
6.5.4递推滤波
6.5.5卡尔曼滤波与预测公式集
6.5.6卡尔曼滤波的特点
6.6卡尔曼滤波的发散问题
6.6.1发散现象及其原因
6.6.2克服发散的方法
6.7卡尔曼滤波的推广
6.7.1色噪声环境下的卡尔曼滤波
6.7.2扩展卡尔曼滤波
6.7.3不敏卡尔曼滤波算法
6.8常增益滤波方法
6.8.1α—β滤波
6.8.2α—β—γ滤波
6.8.3常增益滤波应用
6.9应用示例
6.9.1基于维纳滤波器的噪声抑制
6.9.2简单的卡尔曼滤波示例
习题
……
第7章通信系统中的应用
第8章数字图像处理中的应用
第9章其他应用
参考文献