本书系统地介绍了随机信号处理的基本理论、算法及应用。全书共8章,内容包括离散时间信号处理基础、随机信号分析基础、随机信号的线性模型、非参数谱估计、*优线性滤波器、*小二乘滤波和预测、参数谱估计、自适应滤波器。本书尽量采用大多数硕士研究生和工程技术人员熟悉的数学知识阐述基本理论,注重用例子解释基本概念,用MATLAB仿真实验帮助读者理解所学内容。各章均给出了适当的习题和上机实验题,以方便读者实践和教师教学。书中所有的MATLAB程序和实验用数据文件,读者可从科学出版社的网站下载。
本书可作为相关专业硕士研究生、高年级本科生的教材及教学参考书,也可供相关领域工程技术人员阅读。

前言
第1章 离散时间信号处理基础
1.1 离散时间信号
1.1.1 常用离散时间信号
1.1.2 序列的基本运算
1.2 离散时间系统
1.2.1 离散时间系统的分类
1.2.2 离散LTI系统的响应
1.3 傅里叶变换
1.3.1 离散时间傅里叶变换
1.3.2 离散傅里叶变换
1.3.3 快速傅里叶变换
1.4 z变换
1.4.1 z变换
1.4.2 逆z变换
1.5 数字滤波器
1.5.1 系统函数
1.5.2 频率响应
1.5.3 格型滤波器
本章小结
习题
第2章 随机信号分析基础
2.1 随机变量
2.1.1 概率分布函数与密度函数
2.1.2 随机变量的数字特征
2.2 随机过程
2.2.1 随机过程的基本统计量
2.2.2 独立、不相关与正交
2.3 几种典型的随机过程
2.3.1 复正弦加噪声
2.3.2 实高斯过程
2.3.3 谐波过程
2.3.4 高斯—马尔可夫过程
2.4 随机信号通过线性系统
2.4.1 时域分析
2.4.2 频域分析
2.5 谱分解定理
2.6 参数估计理论
2.6.1 估计量的性质
2.6.2 均值的估计
2.6.3 方差的估计
本章小结
习题
第3章 随机信号的线性模型
3.1 AR过程
3.1.1 AR(1)模型
3.1.2 AR(2)模型
3.1.3 AR(p)模型
3.2 MA过程
3.3 ARMA过程
3.4 三种模型间的关系
本章小结
习题
第4章 非参数谱估计
4.1 平稳随机信号的自相关估计
4.2 相关图法
4.3 周期图法
4.4 周期图法的改进
4.4.1 平滑单一周期图
4.4.2 多个周期图求平均
4.5 应用举例
4.5.1 语音频谱分析
4.5.2 语谱图
本章小结
习题
第5章 *优线性滤波器
第6章 *小二乘滤波和预测
第7章 参数谱估计
第8章 自适应滤波器
参考文献