目 录 第1章 信号检测、估计理论与识别技术概述 1 1.1 引言 1 1.2 信号的随机性及其处理方法 1 1.3 信号检测与估计理论概述 3 1.4 信号识别技术概述 5 习题1 6 第2章 随机过程与随机信号的相关理论 7 2.1 随机过程的基本概念 7 2.1.1 随机过程的基本描述 7 2.1.2 随机过程的分类 8 2.1.3 随机过程的概率分布与统计分析 10 2.2 随机信号的基本概念 12 2.2.1 随机过程与随机信号 12 2.2.2 随机信号分析的一般方法 13 习题2 15 第3章 信号状态的统计检测理论 16 3.1 概述 16 3.2 二元信号的贝叶斯检测准则 16 3.2.1 平均代价与贝叶斯检测准则的概念 18 3.2.2 最佳判决式 18 3.2.3 检测性能分析 20 3.3 二元信号的派生贝叶斯检测准则 20 3.3.1 最小平均错误概率检测准则 21 3.3.2 最大后验概率检测准则 22 3.3.3 极小化极大检测准则 22 3.3.4 奈曼-皮尔逊检测准则 25 3.4 多元信号状态的统计检测 28 3.4.1 M元信号状态的统计检测 28 3.4.2 M元信号的贝叶斯检测准则 29 3.4.3 M元信号的最小平均错误概率检测准则 29 3.5 随机（或未知）参量信号状态的统计检测 31 3.6 信号状态的序列检测 37 3.6.1 信号状态序列检测的概念 37 3.6.2 序列检测的似然比检验判决式 38 3.6.3 判决域的划分 38 3.6.4 序列检测的平均观测次数 39 习题3 41 第4章 信号波形检测理论 44 4.1 概述 44 4.2 匹配滤波器理论 44 4.2.1 匹配滤波器的概念 44 4.2.2 匹配滤波器的定义 45 4.2.3 匹配滤波器的设计 45 4.2.4 匹配滤波器的特性 47 4.2.5 应用举例 50 4.3 确知信号的检测 53 4.3.1 独立样本的获取 53 4.3.2 接收机的结构形式 54 4.3.3 接收机的检测性能 56 4.4 参量信号的检测——贝叶斯方法 59 4.4.1 贝叶斯原理 59 4.4.2 高斯白噪声中的随机相位信号波形检测 60 4.5 参量信号的检测——广义似然比方法 64 4.5.1 广义似然比方法原理 64 4.5.2 高斯白噪声中的幅度未知信号波形检测 66 4.5.3 高斯白噪声中的未知到达时间信号波形检测 68 4.5.4 高斯白噪声中的正弦信号波形检测 70 4.6 一致最大势检测器 73 习题4 75 第5章 信号参量的统计估计理论 77 5.1 概述 77 5.1.1 信号处理中的估计问题 77 5.1.2 参量估计的数学模型和估计量的构造 78 5.1.3 估计性能的评估 79 5.2 随机参量的贝叶斯估计 81 5.2.1 常用代价函数和贝叶斯估计的概念 81 5.2.2 贝叶斯估计量的构造 83 5.2.3 最佳估计的不变性 89 5.3 最大似然估计 90 5.3.1 最大似然估计原理 90 5.3.2 最大似然估计量的构造 90 5.3.3 最大似然估计的不变性 92 5.4 估计量的性质 93 5.4.1 估计量的主要性质 94 5.4.2 克拉美-罗不等式和克拉美-罗界 96 5.4.3 无偏有效估计量的均方误差与克拉美-罗不等式 103 5.4.4 非随机参量函数估计的克拉美-罗界 104 5.5 矢量估计 107 5.5.1 随机矢量的贝叶斯估计 108 5.5.2 非随机矢量的最大似然估计 109 5.5.3 矢量估计量的性质 109 5.5.4 非随机矢量函数估计的克拉美-罗界 115 5.6 信号波形中参量的估计 118 5.6.1 信号振幅的估计 120 5.6.2 信号相位的估计 121 5.6.3 信号频率的估计 122 5.6.4 信号到达时间的估计 127 5.6.5 信号频率和到达时间的同时估计 132 习题5 134 第6章 信号波形估计理论 137 6.1 概述 137 6.2 维纳滤波 138 6.2.1 非因果解 140 6.2.2 因果解（频谱因式分解法） 142 6.2.3 正交性 147 6.2.4 离散观测情况 148 6.2.5 平稳序列的因果和非因果维纳滤波器 149 6.3 平稳序列的维纳预测器 156 6.3.1 预测器计算公式 157 6.3.2 离散因果和非因果平稳序列维纳预测器 158 6.4 标量卡尔曼滤波 159 6.4.1 概述 159 6.4.2 标量信号模型和观测模型 161 6.4.3 标量卡尔曼滤波算法 162 6.5 矢量卡尔曼滤波 167 6.5.1 从标量运算向矢量运算的过渡 167 6.5.2 矢量卡尔曼滤波算法 168 6.5.3 矢量卡尔曼滤波器的实现 169 习题6 170 第7章 通信信号调制识别与参数估计 173 7.1 概述 173 7.1.1 基于决策理论的最大似然假设检验方法 173 7.1.2 基于特征提取的统计模式识别方法 174 7.1.3 基于人工神经网络（ANN）的识别方法 174 7.2 通信信号调制理论与识别流程 175 7.2.1 通信信号调制信号理论 175 7.2.2 通信信号检测与识别流程 181 7.3 信号特征参数与调制分类 182 7.3.1 统计量特征 183 7.3.2 谱相关 191 7.3.3 小波变换特征 195 7.3.4 复杂度特征 197 7.3.5 分类器 201 7.4 基于聚类与粒子群重构星座图的MQAM信号识别方法 207 7.4.1 MQAM信号模型 207 7.4.2 载波频率估计 208 7.4.3 减法聚类算法与粒子群算法理论 209 7.4.4 基于聚类与粒子群重构星座图的M-QAM信号识别方法流程 211 7.5 多径瑞利衰落信道下的单载波信号识别方法研究 216 7.5.1 高阶累积量基本原理 216 7.5.2 基于高阶累积量的信号识别方法研究 217 7.5.3 基于高阶累积量的调制信号类间识别 220 7.5.4 多径瑞利衰落信道下基于频域均衡与高阶累积量的信号识别方法 221 7.6 通信信号的参数估计 226 7.6.1 引言 226 7.6.2 信噪比估计 226 7.6.3 载频估计 228 7.6.4 码元速率估计 233 习题7 237 第8章 雷达信号调制识别与参数估计 238 8.1 概述 238 8.2 时频分析基础理论 238 8.2.1 短时傅里叶变换 239 8.2.2 Wigner-Ville时频分布 240 8.2.3 Cohen类时频分布 240 8.2.4 重排类时频分布 241 8.3 支持向量机分类器 242 8.3.1 结构风险最小化 243 8.3.2 支持向量机分类器原理 243 8.4 基于时频图像形状特征的雷达信号识别 245 8.4.1 信号的平滑伪Wigner时频分布 246 8.4.2 时频图像的预处理 247