下载文档原格式
《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。
信号的频谱分析式研究信号特性的重要手段之一，对于确定信号，可以用Fourier变换来考察信号的频谱特性，而对于广义平稳随机信号而言，相应的方法是求其功率谱。
功率谱反映了随机信号功率能量的分布特征，可以揭示信号中隐含的周期性以及靠的很近的谱峰等有用信息，有很广泛的应用。
在雷达信号处理中，回波信号的功率提供了运动目标的位置、强度和速度等信息（即功率谱的峰值与宽度、高度、和位置的关系）；在无源声纳信号处理中，功率谱密度的位置给出了鱼雷的方向（方位角）信息；在生物医学工程中，功率谱的峰和波形，表示了一些特殊疾病的发作周期；在语音处理中，谱分析用来探测语音语调共振；在电子战中，还利用功率谱来对目标进行分类。
功率谱密度函数反映了随机信号各频率成份的功率分布情况，是随机信号处理中应用很广泛的技术。
实际应用中的平稳信号通常是有限长的，因此，只能从有限的信号中去估计信号的真实功率谱，这就是功率谱估计问题。
寻找可靠与质量优良的估计谱是这次研究的主要内容。
功率谱估计可分为非参数化方法（低分辨率分析），参数化方法（高分辨率分析），广义的功率谱分析（空间谱分析），也可以把非参数化方法称为经典谱估计，参数化方法称为现代谱估计（包括空间谱估计）这次论文从不同角度介绍了现代谱估计的一些主要算法，包括参数模型法、Pisarenko 谐波分解法、最大熵估计、多重信号分类（MUSIC）、旋转不变技术(ESPRIT)等。
参数模型法将以ARMA模型为主，以及其谱估计所需的AR、MA的参数和阶数；最大熵估计也就是Burg最大熵谱估计,它在不同约束条件下，分别与AR谱估计、ARMA谱估计等价；MUSIC 方法是一种估计信号空间参数的现代谱估计方法；ESPRIT方法是一种估计信号空间参数的旋转不变技术，其基本思想是将谐波频率的估计转变为矩阵束的广义特征值分解。
最后，这次论文还会分析它们各自的优缺点及应用场合。
并利用计算机语言对各种现代谱估计算法的进行仿真实现，并比较它们的性能。
