课程名称：现代信号处理-------高阶统计量及其谱分析(精)

《现代信号处理》教学大纲适用专业：信息与通信工程、物联课程性质：学位课网工程、电子与通信学时数：32 学分数： 2课程号：M081001 开课学期：秋季第(1)学期大纲执笔人：何继爱大纲审核人：陈海燕一、课程的地位和教学目标现代信号处理作为信息类专业研究生的一门专业基础课，是在传统数字信号处理基础上，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工具，研究有限数据量的随机信号的分析与处理，且系统可能是时变、非线性的，它是近代才发展起来的前沿学科。

主要讨论基于信号模型分析和滤波的基本理论和基本方法；以现代谱估计和自适应滤波为核心内容，并介绍现代信号处理的新技术。

该课程为众多信号处理的应用领域打下基础，包括通信、声学、图像、雷达、声纳、生物医学等领域的信号处理。

本课程的知识目标是使学生牢固掌握现代信号处理一些最基本的理论、方法和应用，并能跟踪和学习新的理论、方法和技术；内容涉及随机信号统计分析、现代谱估计、自适应滤波器、时频分析与二次型时频分布、信号多速率变换、盲信分离和阵列信号处理方法等；建立现代信号处理的知识体系，对课程内容总体把握；具有一定的实验和模拟仿真的基本知识。

了解现代信号处理重要新技术的发展趋势，为从事信息与通信工程及相关电子系统的工程设计打下坚实的基础。

本课程的能力目标是通过课程的学习提高学生的分析计算方法、演绎推理方法和归纳法等基本数学处理方法；运用数学、物理及工程概念及方法发现问题、分析问题和解决问题的能力，以及理论与实际相结合的能力；能够触类旁通，提高学生的科学学习方法；掌握通信学科的信号分析与处理基本理论和技能，思路开阔，具有运用所学知识的能力、搜集和提炼信息的能力、团队合作能力、表达能力和创新能力等。

本课程的专业素质目标通过本课程的课堂学习、单元知识及章节总结、习题及专题研讨培养学生培养良好严谨的科学研究态度和正确的思维方法，使学生敢于提出问题、善于分析问题和解决问题的能力及具有团队合作精神。

现代信号处理（离散随机信号处理）电子工程系本课程要讨论的主要问题：（1）对信号特性的了解随机信号（随机过程，时间序列––随机过程的一个实现）信号模型→参数估计→现代谱估计：参数化谱估计讨论信号模型及模型参数的估计问题，比较参数谱估计方法和周期图方法的优劣。

（2）对统计意义下最优滤波器设计的研究平稳条件下：Wiener滤波器理论非平稳条件下：Kalman滤波理论上的目标，实际算法可达到的最佳结果（3）对环境的自适应，具备“学习能力”的滤波算法自适应均衡、波束形成、线性自适应滤波器（4）更多信息的利用，挖掘（针对非高斯问题）线性系统、功率谱：二阶矩，高斯过程的完全刻划非线性、多谱：高阶量，循环平稳（5）对时间（空间）–––频率关系的适应性：全局特性与局域特性，小波变换，时频分析信号处理算法设计面向的几个主要因素n信噪比n先验知识n雷达n通信系统n电子对抗n对先验知识的利用：统计基础上的假设、学习过程n算法复杂性与性能要求的匹配性一些进展中的课题盲自适应信号处理序列贝叶斯估计、粒子滤波阵列信号处理等等与信号处理紧密关联的学科人工神经网络统计学习理论模式识别等等教材n张旭东，陆明泉：离散随机信号处理，2005年10月，清华大学出版社主要参考书①S. Haykin, Adaptive Filter theory, Third Edition, Prentice-Hall, 1996，//Fouth Edition 2001 (电子工业出版社均有影印本)①S.M. Kay, Modern Spectral Estimation: Theory & Application,Prentice-Hall, 1988①S.M. Kay, Fundamentals of Statistical Signal Processing: Estimation Theory, Prentice Hall PTR, 1993.①S. Mallat, A Wavelet Tour of Signal Processing, Academic press, 1998，Second Edition 1999①扬福生, 小波变换的工程分析与应用, 科学出版社, 2000.① D. G. Manolakis, et,al. Statistical and Adaptive Signal Processing, Mcgraw-Hall, 2000.①J. G. Proakis, et al. Algorithms for Statistical Signal Processing, Prentice hall, 2002①张贤达现代信号处理第2版清华大学出版社课程成绩n平时作业10％n2个Matlab作业40％（布置后2周内提交）n期末开卷考试50％1.1随机信号基础被噪声干扰的初相位是随机值的正弦波信号本质上均是随机的，但将信号作为随机信号处理，还是做为确定信号处理，与我们的应用目标和我们的先验知识有关，一般地，我们总是选择对应用有利的处理方式。

中南大学本科生课程设计任务书课程名称现代信号处理指导教师赵亚湘学院信息科学与工程学院专业班级通信工程0901-0905班0()()sin()()anTa x n x nT Ae nT u nT -==Ω中 南 大 学课程设计任务书一、课程设计目的：1．全面复习课程所学理论知识，巩固所学知识重点和难点，将理论与实践很好地结合起来。

2．提高综合运用所学知识独立分析和解决问题的能力； 3．熟练使用一种高级语言进行编程实现。

二、课程设计内容1. 给定模拟信号：)()sin()(0t u t Ae t at a x Ω=-，式中128.444=A，α=，s rad /2500π=Ω。

对()a t x 进行采样，可得采样序列1） 选择采样频率s f =1 kHz ，观测时间50=p T ms ，观测所得序列()x n 及其幅频特性|()|jw X e 2） 改变采样频率s f =300Hz ，观测此时|()|jw X e 的变化 3） 令采样频率s f =200Hz ，观测此时|()|jw X e 的变化要求分析说明原理，绘出相应的序列及其它们对应的幅频特性曲线，指出|()|jw X e 的变化，说明为什么？2. 已知Gaussian 序列固定序列()x n 中的参数p=8，令q 分别等于2，4，8，观察它们的时域和幅频特性，了解当q 取不同值时，对信号序列的时域及幅频特性的影响；固定q=8，令p 分别等于8，13，14，观察参数p 变化对信号序列的时域及幅频特性的影响，观察p 等于多少时，会发生明显的泄漏现象，混叠是否也随之出现？记录实验中观察到的现象，绘出相应的时域序列和幅频特性曲线。

并理论分析说明产生这些变化的原因 3. 一个连续信号含两个频率分量，经采样得2(),015()0,n p q en x n --⎧⎪≤≤=⎨⎪⎩其它x(n)=sin2π*0.125n+cos2π*(0.125+Δf)n n=0,1……,N -1已知N=16，Δf 分别为1/16和1/64，观察其幅频特性；当N=128时，Δf 不变，其结果有何不同，为什么？分析说明原因，并打印出相应的幅频特性曲线4. 产生一个淹没在噪声中的信号()x t ，例如由50Hz 和120Hz 的正弦信号以及一个零均值的随机噪声叠加而成。

华南师范大学现代信号处理课程设计课程名称：现代信号处理课程题目： wiener滤波器和kalman滤波器的原理分析及其matlab实现指导老师：李xx专业班级： 2015级电路与系统姓名： xxxx学号： xxxxwiener滤波器和kalman滤波器的原理分析及matlab实现摘要：信号处理的实际问题，常常是要解决在噪声中提取信号的问题，因此，我们需要寻找一种所谓有最佳线性过滤特性的滤波器。

这种滤波器当信号与噪声同时输入时，在输出端能将信号尽可能精确地重现出来，而噪声却受到最大抑制。

Wiener滤波Kalman滤波就是用来解决这样一类从噪声中提取信号问题的一种过滤(或滤波)方法[1]。

Wiener滤波与Kalman滤波都是解决最佳线性过滤和预测问题，并且都是以均方误差最小为准则的。

但与Wiener滤波器不同的是，Kalman滤波器是一种自适应滤波器，Kalman滤波器提供了推导称作递推最小二乘滤波器的一大类自适应滤波器的统一框架。

关键词：Wiener滤波Kalman滤波均方误差最小自适应滤波器目录第一章绪论 (4)1.1滤波器的发展历程 (4)1.2 现代信号处理的滤波器分类 (5)1.3 wiener和kalman滤波各自的运用领域 (6)1.3.1 wiener滤波的运用范围 (6)1.3.2 kalman滤波的运用范围 (6)第二章 wiener和kalman的各自的滤波原理 (7)2.1 wiener滤波器的原理分析 (7)2．2维纳-霍夫方程 (9)2.2 kalman滤波的自适应原理分析 (11)2.3 wiener滤波和kalman滤波的区别与联系 (13)第三章 wiener和kalman滤波的matlab仿真实现 (14)3.1 FIR维纳滤波器的matlab实现 (14)3.2 kalman滤波器的matlab实现 (19)第四章总结与展望 (23)参考文献 (25)第一章绪论1.1滤波器的发展历程从滤波器的发展现状来看，滤波器从处理信号的类型可以分为模拟滤波器和数字滤波器，模拟滤波器可分为无源滤波器(Passive filter)和有源滤波器(Active filter)，而数字滤波器已可用计算机软件实现，也可用大规模集成数字硬件实时实现。

(2) 熟悉线性时不变系统对随机信号的响应；(3) 了解估计子的性能评价标准，熟悉Cramer-Rao界；(4) 了解bayes估计和最大似然估计；(5)掌握线性均方估计和最小二乘估计。

2．重、难点提示(1) 重点是随机过程的时域、频域表示，线性均方估计和最小二乘估计；(2) 难点是随机过程相关函数与功率谱之间的关系，线性均方估计和最小二乘估计在滤波中的应用。

第2章功率谱估计（5学时）1．教学内容(1) 熟悉经典功率谱估计的方法及缺点；(2) 掌握现代功率谱估计的方法——参数模型法；(3) 掌握AR模型的Yule—Walker方程的导出；(4) 熟悉Levinson—Durbin算法；(5) 了解AR谱估计的性质和AR模型参数提取方法；(6) 掌握Capon谱估计方法。

2．重、难点提示(1) 重点是现代功率谱估计的方法——参数模型法、Levinson—Durbin算法、Capon谱估计；(2) 难点是AR模型的Yule—Walker方程推导、Capon谱估计算法推导。

第3章维纳滤波与卡尔曼滤波（6学时）1．教学内容(1) 了解维纳滤波的条件，掌握维纳霍夫方程；(2) 掌握FIR维纳滤波器的求解，了解因果IIR滤波器的求解；(3) 掌握均方误差的概念，均方误差性能曲面及其性质；(4) 掌握FIR维纳滤波器的设计；(5) 熟悉标量卡尔曼滤波器，了解矢量卡尔曼滤波器；(6) 了解维纳滤波器和卡尔曼滤波器的应用。

2．重、难点提示(1) 重点是维纳滤波的条件、维纳滤波器求解思路、FIR滤波器的求解；(2) 难点是维纳滤波标准方程的导入、FIR滤波器的求解思路。

第4章自适应滤波器（6学时）1．教学内容(1) 熟悉自适应滤波器的原理，掌握自适应线性组合器的实现；(2) 熟悉最陡下降法的基本思想；(3) 熟悉学习曲线和收敛速度的概念及与迭代次数的关系；(4) 掌握LMS算法，了解LMS算法的改进；(5) 掌握RLS算法，了解RLS算法的改进；(6) 了解自适应滤波器应用——谱线增强器和陷波器。

研究生“现代信号处理”课程教学方法探讨作者：盛虎，赵树源来源：《教育教学论坛》 2017年第11期摘要：“现代信号处理”课程是大连交通大学硕士研究生交通信息工程及控制专业和电子与通信工程专业的学位课程。

近几年“现代信号处理”课程的教学效果和教学质量难以很好保证的问题。

针对这个问题，教师在教学内容和教学方法上进行了相应调整和改进，提高了学生的学习积极性。

本文突出教学内容重点，强调算法思路讲解，加强实验、实践教学和紧跟学术前沿方面对“现代信号处理”课程的教学方法进行探讨。

关键词：现代信号处理；教学方法改进；探讨中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）11-0240-02鉴于现代信号处理技术的重要意义，大连交通大学为交通信息工程及控制专业和电子与通信工程专业的硕士研究生开设了“现代信号处理”课程，目的在于通过此课程的学习和训练，使学生理解现代信号处理的基本概念和基本理论，掌握现代谱估计、自适应滤波器、高阶统计分析和时频信号分析等现代信号处理技术，并能够应用常用的算法解决交通信息工程和电子与通信方向的实际问题。

早期大连交通大学“现代信号处理”研究生课程的学生人数适中，学生的信号课程和高等数学相关课程的基础知识掌握也较好，知识结构和实践能力差别不大，所以此课程的教学效果和教学质量很好。

此外，本校为了培养适应不同研究领域和应用领域人才的需要，划分了学术型和专业型硕士研究生，造成硕士研究生的知识结构、学习能力和实践动手能力存在很大差异。

由于学生数量以及学生知识和能力方面差异的原因，导致“现代信号处理”课程教学效果和教学质量出现了下降。

教师们在王秋生、章东平、高远、张新峰和黄勇等学者研究的成果之上，针对我校学生的特点对此课程教学方法进行了改进，并取得较好成效。

本文根据此课程教学方法改进及实施过程中取得的经验做简要介绍，以供大家一起探讨。

一、影响课程教学质量的主要原因根据大连交通大学“现代信号处理”研究生课程的实际情况，在教学过程中主要发现以下因素导致教学质量下降：1.学生知识结构、学习能力和实践动手能力差异大。