●第1章 緒論 1
1.1 信號的定義及分類 1
1.1.1 連續時間信號和離散時間信號 1
1.1.2 確定性信號和隨機信號 2
1.1.3 功率信號和能量信號 3
1.1.4 周期信號和非周期信號 4
1.1.5 基帶信號和高頻帶通信號 5
1.1.6 奇異信號 6
1.2 信號的頻譜分析 6
1.3 信號的相關分析 7
1.3.1 相關的定義 7
1.3.2 相關的定理 8
1.4 信號通過線性時不變繫統 9
1.5 信號檢測與分析的基本概念 11
第2章 隨機信號分析基礎 14
2.1 隨機信號 14
2.1.1 隨機變量 14
2.1.2 隨機信號及其特征描述 17
2.2 平穩隨機信號 20
2.2.1 平穩隨機信號的定義 20
2.2.2 平穩隨機信號的自相關函數 21
2.2.3 平穩隨機信號的功率譜 23
2.3 幾種特定的隨機信號 25
2.3.1 高斯信號 25
2.3.2 白噪聲 26
2.3.3 馬爾可夫信號 26
2.3.4 諧波信號 26
2.4 隨機信號通過線性繫統 27
2.5 時間序列信號模型 28
2.5.1 三種時間序列信號模型 28
2.5.2 有理譜信號 35
2.5.3 時間序列信號模型的普遍適應性 36
2.5.4 2階自回歸AR（2）信號模型 38
2.6 隨機信號的高階譜 43
2.6.1 引言 43
2.6.2 高階累積量與高階譜 44
2.6.3 累積量與雙譜的性質 47
第3章 信號檢測與參數估計的基本概念 52
3.1 假設檢測 52
3.2 檢測準則 53
3.2.1 極大後驗概率準則 53
3.2.2 最小錯誤概率準則 54
3.2.3 最小風險貝葉斯準則 57
3.2.4 極小極大準則 57
3.2.5 紐曼-皮爾遜準則 58
3.3 多次觀察 59
3.檢測 61
3.4.1 離散隨機檢測 61
3.4.2 連續隨機檢測 62
3.5 估計的基本概念 64
3.6 非線性估計 69
3.6.1 貝葉斯估計 69
3.6.2 優選似然估計 73
3.7 線性估計 75
3.7.1 線性最小均方誤差估計 75
3.7.2 遞歸的線性最小均方誤差估計 78
3.7.3 最小二乘估計 80
3.8 參數估計的應用 81
3.8.1 距離估計 81
3.8.2 AR模型參數的估計 83
3.8.3 輻射源定位 86
第4章 相干檢測與取樣積分 90
4.1 相干檢測 90
4.1.1 鎖相放大器 91
4.1.2 相敏檢波器 92
4.1.3 鎖相放大器的組成與部件 102
4.2 取樣積分 108
4.2.1 取樣積分的基本原理 109
4.2.2 指數式門積分器分析 113
4.2.3 取樣積分器的工作方式 119
4.2.4 取樣積分器的參數選擇及應用 123
第5章 維納濾波器 128
5.1 維納濾波 128
5.1.1 維納濾波的基本原理 128
5.1.2 維納濾波器的濾波和預測 130
5.2 維納濾波的z域解 133
5.2.1 非因果維納濾波的z域解 133
5.2.2 因果維納濾波的z域解 133
5.3 線性預測 135
5.3.1 前向預測 136
5.3.2 後向預測 138
5.3.3 前向預測器和後向預測器的關繫 139
5.3.4 前向預測誤差濾波器與後向預測誤差濾波器的格型結構 139
5.3.5 預測繫數和反射繫數的遞推計算 140
5.4 Levinson-Durbin算法 141
第6章 卡爾曼濾波 143
6.1 卡爾曼濾波的基本概念 143
6.2 狀態空間模型 144
6.2.1 線性常繫數繫統的狀態方程 144
6.2.2 線性時變繫統的離散狀態 146
6.2.3 測量方程 147
6.3 卡爾曼濾波原理 147
6.4 卡爾曼濾波舉例 151
第7章 自適應數字濾波器 155
7.1 LMS自適應算法 155
7.1.1 LMS算法及其基本變形 157
7.1.2 解相關LMS算法 159
7.1.3 學習速率參數的選擇 162
7.1.4 LMS算法的統計性能分析 165
7.1.5 LMS算法的跟蹤性能 167
7.2 RLS自適應算法 169
7.2.1 RLS算法的基本原理 169
7.2.2 RLS算法與卡爾曼濾波算法的比較 172
7.2.3 RLS算法的統計性能分析 174
7.2.4 快速RLS算法 175
7.3 自適應數字濾波器的應用 177
7.3.1 自適應噪聲抵消器 177
7.3.2 自適應繫統辨識 179
7.3.3 寬帶信號中的窄帶干擾抑制 180
7.3.4 自適應回聲抵消 181
7.4 自適應數字濾波器應用的MATLAB模擬 182
7.4.1 自適應延遲時間估計器 183
7.4.2 自適應噪聲抵消器 184
7.4.3 卡爾曼濾波器在雷達跟蹤中的應用 184
第8章 功率譜估計 186
8.1 概述 186
8.2 數字特征的估計 188
8.2.1 均值的估計 188
8.2.2 方差的估計 189
8.2.3 數據的相關性對估計結果的影響 190
8.3 自相關函數的估計 191
8.3.1 直接估計法 192
8.3.2 間接估計法—自相關的快速算法 195
8.3.3 其他相關函數的估計 196
8.3.4 相關技術的應用 197
8.4 經典功率譜估計 201
8.4.1 相關法—間接法 201
8.4.2 周期圖法—直接法 201
8.4.3 直接法與間接法的關繫 202
8.4.4 估計質量的評價 203
8.5 經典功率譜估計的改進 205
8.5.1 平均 205
8.5.2 平滑 206
8.5.3 Welch法 207
8.5.4 功率譜估計的應用 208
8.6 經典功率譜估計算法的性能比較 214
8.7 譜估計時的一些實際問題 215
8.8 參數法功率譜估計 216
8.8.1 Yule-Walker譜估計 216
8.8.2 Burg譜估計 218
8.9 小結 220
主要參考文獻 221

信號檢測與分析是一門多學科綜合的新興技術，《信號檢測與分析》綜合利用信息論、控制論、數字信號處理、隨機過程、譜分析等理論，重點突出以信息論為基礎的相關理論在信號檢測中的應用，例如，如何進行信號的檢測、估計和分析，以及如何在干擾環境下有效地提取有用信號等知識。具體而言，《信號檢測與分析》主要涉及信號檢測與估計、信號分析與處理兩大模塊，涵蓋信號的定義、隨機信號分析的基礎知識，介紹包括假設檢驗在內的信號檢測與參數估計的基本概念，以及基於假設檢驗的檢測準則和線性估計、非線性估計等多種估計方法，並重點討論相干檢測和取樣積分；闡述維納濾波器的基本原理及設計，引入以維納濾波為基礎的自適應數字濾波器，推導離散卡爾曼濾波的狀態方程、測量方程，並介紹卡爾曼濾波的若干應用實例；最後重點論述經典功率譜估計的原理、方法、評價、性能以及相應的改進。