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。
(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。
课程名称:现代信号处理 -------高阶统计量及其谱分析课程编号:0211007(博士生 0221024(硕士生学分:3 学时:46授课对象:博士 /硕士研究生任课教师:姬红兵教授联系电话:88204144 地点 :办公楼 424室Email:教材:1. Higher-Order Spectral Analysis, C. L. Nikias and A. P. Petropulu, Prentice Hall, 1993.参考资料:1、“高阶统计量及其谱分析” ,张贤达,清华大学出版社。
2、“现代信号处理” ,张贤达,清华大学出版社。
3、期刊:IEEE Transactions on Signal Processing, Proceedings of IEEE, IEEE Signal Processing Magazine等。
6、 HOS 主页:.先修课程:信号与系统,随机信号分析(处理 ,数字信号处理。
课程介绍:本课程主要介绍现代信号处理中的“高阶统计量及其谱分析”和“时频分析” 等内容。
重点介绍随机信号和确定性信号的矩和累积量以及高阶谱的定义和基本性质; 高阶累积量和高阶谱的估计方法, 包括常规非参数估计法和基于 AR 、MA 和 ARMA 模型的参数估计法。
并介绍高阶累积量及其谱在信号检测、系统辩识、非线性检测等方面的应用。
课程目的:通过本课程的学习,使学生对高阶统计量及其谱的性质和估计算法, 估计性能、计算复杂性, 以及这些算法在信号处理和相关研究领域的应用奠定一个坚实的基础。
考核方式及要求:1、考核方式:笔试(硕士生+综述或研究报告2、提交内容:文献专题综述(或翻译报告或研究报告 1篇。
要求打印稿和电子版文件一同提交。
电子版文件命名格式:“现代信号处理 07(博 /硕 -姓名”发至hbji@。
3、提交期限:于 2007年 6月 30日前;更新日期:2007年 3月 1日课程内容第一部分基本定义与性质一 . 绪论1.1 功率谱1.2 信号处理中为什么用多谱?1.3 应用二 . 随机信号的累积量谱2.1 引言2.2 矩和累计量2.3 累积量谱2.4 非高斯线性过程的累计量谱2.5 非线性过程检测与辨识三 . 确知信号的矩谱3.1 引言3.2 能量信号的矩3.3 周期能量信号的矩谱3.4 功率信号的矩3.5 周期功率信号的矩谱第二部分高阶谱估计与信号恢复四 . 高阶谱估计的常规方法 (非参数4.1 引言4.2 间接法4.3 直接法4.4 复调制法4.5 常规法的统计特性4.6 双谱混叠的测试4.7 在极坐标栅格上的双谱计算五 . 高阶谱估计的参数化方法5.1 引言5.2 MA方法5.3 非因果 AR 方法5.4 ARMA方法5.5 模型定阶5.6应用六 . 利用高阶谱恢复信号的非参数方法6.1 从高阶谱估计幅度和相位6.2 相位恢复算法6.3仅利用双谱相位重构信号第三部分应用专题七 . 瞬态信号分析10.1瞬态信号的参数估计10.2瞬态信号检测十一 . 时间序列中非线性的检测与表征11.1一般 V olterra 系统11.2 二次相位耦合11.3 三次相位耦合十二 . 基于高阶谱的时频分布12.1 Wigner 多谱12.2 Wigner高阶谱的应用Course Outline: PART I: BASIC DEFINITIONS AND PROPERTIES•Introductiono Power Spectrumo Why polyspectra in signal processing?o Applications•Cumulant Spectra of Stochastic Signalso Moments and cumulantso Cumulant spectrao Cumulant spectra of non-Gaussian linear processes o Detecting and identifying nonlinear processes •Moment Spe ctra of Deterministic Signalso Moments of energy signalso Moments spectra of aperiodic energy signals o Moments of power signalso Moment spectra of periodic power signalsPART II: HIGHER-ORDER SPECTRA ESTIMATION AND SIGNAL RECONSTRUCTION•Conventional M ethods for the Estimation of Higher-Order Spectrao Indirect class of conventional methodso Direct class of conventional methodso Statistical properties of conventional methodso Bispectrum computation on polar rasters•Higher-Order Cepstra (Polycepstrao The complex cepstrumo The differential cepstrumo The power cepstrumo The bicepstrum and tricepstrumo The cepstrum of bicoherencyo Inverse filter reconstructiono The cross-bicepstrum•Nonparametric Methodso Magnitude and phase estimation from higher-order spectra o Phase recovery algorithmso Signal reconstruction from only the phase of the bispectrum •Parametric Methodso MA methodso Noncausal AR methodso ARMA methodso Model order determinationPART III: SPECIAL TOPICS•Analysis of transient sig nals•Nonlinearities in Time Serieso V olterra Systemso Quadratic filter identification techniqueso Methods for the detection of quadratic phase coupling •Time-Frequecy Distributions Based on Higher-Order Statistics。
课程名称：现代信号处理-------高阶统计量分析
课程编号：0211007（博士生）0221024（硕士生）学分：3 学时：46
授课对象：博士/硕士研究生任课教师：姬红兵教授
Email: hbji@
教材：
1. Higher-Order Spectral Analysis, C. L. Nikias and A. P. Petropulu, Prentice Hall, 1993.
参考资料：
1、“高阶统计量及其谱分析”，张贤达，清华大学出版社。
2、“现代信号处理”，张贤达，清华大学出版社。
3、期刊：IEEE Transactions on Signal Processing, Proceedings of IEEE, IEEE Signal Processing Magazine等。
6、HOS主页：HOS home page /~hos/.
先修课程：信号与系统，随机信号分析（处理），数字信号处理。
课程介绍：本课程主要介绍现代信号处理中的“高阶统计量及其谱分析”和“时频分析”等内容。
重点介绍随机信号和确定性信号的矩和累积量以及高阶谱的定义和基本性质；高阶累积量和高阶谱的估计方法，包括常规非参数估计法和基于AR、MA和ARMA模型的参数估计法。
并介绍高阶累积量及其谱在信号检测、系统辩识、非线性检测等方面的应用。
课程目的：通过本课程的学习，使学生对高阶统计量及其谱的性质和估计算法，估计性能、计算复杂性，以及这些算法在信号处理和相关研究领域的应用奠定一个坚实的基础。
考核方式及要求：
1、考核方式：硕士生：闭卷笔试（50％）＋文献综述或研究报告1篇（50％）；
博士生：文献综述报告1篇和研究报告1篇，不参加笔试；
2、内容要求：文献综述报告：HOS方面的理论和应用研究进展；
研究报告：基于HOS的信号处理或其他领域的应用研究；
要求打印稿和电子版文件一同提交。
电子版文件命名格式：“现代信号处理08（博/硕）－姓名”发至hbji@。
3、提交期限：2010年6月30日前；
更新日期：2010年3月1日
课程内容第一部分基本定义与性质
一.绪论
1.1 功率谱
1.2 信号处理中为什么用多谱？
1.3 应用
二.随机信号的累积量谱
2.1 引言
2.2 矩和累计量
2.3 累积量谱
2.4 非高斯线性过程的累计量谱
2.5 非线性过程检测与辨识
三.确知信号的矩谱
3.1 引言
3.2 能量信号的矩
3.3 周期能量信号的矩谱
3.4 功率信号的矩
3.5 周期功率信号的矩谱
第二部分高阶谱估计与信号恢复
四.高阶谱估计的常规方法(非参数)
4.1 引言
4.2 间接法
4.3 直接法
4.4 复调制法
4.5 常规法的统计特性
4.6 双谱混叠的测试
4.7 在极坐标栅格上的双谱计算
五.高阶谱估计的参数化方法
5.1 引言
5.2 MA方法
5.3 非因果AR方法
5.4 ARMA方法
5.5 模型定阶
5.6应用
六.利用高阶谱恢复信号的非参数方法
6.1 从高阶谱估计幅度和相位
6.2 相位恢复算法
6.3仅利用双谱相位重构信号
第三部分应用专题
七.瞬态信号分析
10.1瞬态信号的参数估计
10.2瞬态信号检测
十一. 时间序列中非线性的检测与表征
11.1一般V olterra系统
11.2 二次相位耦合
11.3 三次相位耦合
十二. 基于高阶谱的时频分布
12.1 Wigner 多谱
12.2 Wigner高阶谱的应用
Course Outline: PART I: BASIC DEFINITIONS AND PROPERTIES
•Introduction
o Power Spectrum
o Why polyspectra in signal processing?
o Applications
•Cumulant Spectra of Stochastic Signals
o Moments and cumulants
o Cumulant spectra
o Cumulant spectra of non-Gaussian linear processes o Detecting and identifying nonlinear processes •Moment Spectra of Deterministic Signals
o Moments of energy signals
o Moments spectra of aperiodic energy signals
o Moments of power signals
o Moment spectra of periodic power signals
PART II: HIGHER-ORDER SPECTRA ESTIMATION AND SIGNAL RECONSTRUCTION
•Conventional Methods for the Estimation of Higher-Order Spectra o Indirect class of conventional methods
o Direct class of conventional methods
o Statistical properties of conventional methods
o Bispectrum computation on polar rasters
•Higher-Order Cepstra (Polycepstra)
o The complex cepstrum
o The differential cepstrum
o The power cepstrum
o The bicepstrum and tricepstrum
o The cepstrum of bicoherency
o Inverse filter reconstruction
o The cross-bicepstrum
•Nonparametric Methods
o Magnitude and phase estimation from higher-order spectra
o Phase recovery algorithms
o Signal reconstruction from only the phase of the bispectrum
•Parametric Methods
o MA methods
o Noncausal AR methods
o ARMA methods
o Model order determination
PART III: SPECIAL TOPICS
•Analysis of transient signals
•Nonlinearities in Time Series
o V olterra Systems
o Quadratic filter identification techniques
o Methods for the detection of quadratic phase coupling
•Time-Frequecy Distributions Based on Higher-Order Statistics。
