? 這套三卷本的《統計信號處理基礎》是榮獲過IEEE信號處理協會教育獎章的Steven M. Kay教授享譽全球的經典名著。? 在統計學相關的諸多著作中，既有統計學家撰寫的，也有應用統計技術的專家編著的，前者注重理論的嚴密性，後者更為強調實際的應用，《統計信號處理基礎》則試圖在兩個方面達到平衡，並且還重點關注將這些理論轉換成數字計算機上實現的軟件算法。

●第1章 引論
1.1 信號處理中的檢測理論
1.2 檢測問題
1.3 檢測問題的數學描述
1.4 檢測問題的內容體繫
1.5 漸近的作用
1.6 幾點說明
第2章 重要PDF的總結
2.1 引言
2.2 基本概率密度函數及其性質
2.3 高斯隨機變量的二次型
2.4 漸進高斯PDF
2.5 蒙特卡洛性能評估
附錄2A 要求的蒙特卡洛實驗次數
附錄2B 正態概率紙
附錄2C 計算高斯右尾概率及其逆的MATLAB程序
附錄2D 計算中心化和非中心化χ2的右尾概率
附錄2E 蒙特卡洛計算機模擬的MATLAB程序
第3章 統計判決理論Ⅰ
3.1 引言
3.2 提要
3.3 Neyman-Pearson定理
3.4 接收機工作特性
3.5 無關數據
3.6 最小錯誤概率
3.7 貝葉斯風險
3.假設檢驗
附錄3A Neyman-Pearson定理
附錄3B 最小貝葉斯風險檢測器假設
附錄3C 最小貝葉斯風險檢測器假設
第4章 確定信號
4.1 引言
4.2 提要
4.3 匹配濾波器
4.4 廣義匹配濾波器
4.5 多個信號
4.6 線性模型
4.7 信號處理的例子
附錄4A線性模型的簡化形式
第5章 隨機信號
5.1 引言
5.2 提要
5.3 估計器-相關器
5.4 線性模型
5.5 大數據記錄的估計器-相關器
5.6 一般高斯檢測
5.7 信號處理的例子
附錄5A 估計器-相關器的檢測性能
第6章 統計判決理論Ⅱ
6.1 引言
6.2 提要
6.3 復合假設檢驗
6.4 復合假設檢驗方法
6.5 大數據記錄時GULT的性能
6.6 等效大數據記錄檢驗
6.7 局部優選勢檢測器
6.假設檢驗
附錄6A 漸近等效檢驗一無多餘參數
附錄6B 漸近等效檢獫一多餘參數
附錄6C GLRT的漸近PDF
附錄6D LMP檢驗的漸近檢測性能
附錄6E 局部很優勢檢驗的另一種推導
附錄6F 廣義ML準則的推導
第7章 具有未知參數的確定性信號
7.1 引言
7.2 提要
7.3 信號建模和檢測性能
7.4 未知幅度
7.5 未知到達時間
7.6 正弦信號檢測
7.7 經典線性模型
7.8 信號處理的例子
附錄7A 能量檢測器的漸進性能
附錄7B 經典線性模型GLRT的推導
第8章 未知參數的隨機信號
8.1 引言
8.2 提要
8.3 信號協方差不接近已知
8.4 大數據記錄的近似
8.5 弱信號檢測
8.6 信號處理的例子
附錄8A 周期高斯隨機過程PDF的推導
第9章 未知噪聲參數
9.1 引言
9.2 提要
9.3 一般考慮
9.4 白高斯噪聲
9.5 有色WSS高斯噪聲
9.6 信號處理的例子
附錄9A 推導對於σ2未知的經典線性模型的GLRT
附錄9B 對具有未知噪聲參數的一般線性模型的Rao檢驗
附錄9C 信號處理例子的漸近等效Rao檢驗
第10章 非高斯噪聲
10.1 引言
10.2 提要
10.3 非高斯噪聲的性質
10.4 已知確定性信號
10.5 未知參數確定性信號
10.6 信號處理的例子
附錄10A NP檢測器對微弱信號的漸近性能
附錄10B IID非高斯噪聲中線性模型信號的Rao檢驗
第11章 檢測器總結
11.1 引言
11.2 檢測方法
11.3 線性模型
11.4 選擇一個檢測器
11.5 其他方法和其他參考教材
第12章 模型變化檢測
12.1 引言
12.2 提要
12.3 問題的描述
12.4 基本問題的擴展
12.5 多個變化時刻
12.6 信號處理的例子
附錄12A 分段的通用動態規劃方法
附錄12B 動態規劃的MATLAB程序
第13章 復矢量擴展及陣列處理
13.1 引言
13.2 提要
13.3 已知PDF
13.4 具有未知參數的PDF
13.5 矢量觀測和PDF
13.6 矢量觀測量的檢測器
13.7 大數據記錄的估計器-相關器
13.8 信號處理的例子
附錄13A 復線性模型GLRT的PDF
附錄A1 重要概念綜述
A1.1 線性代數和矩陣代數
A1.2 概率、隨機過程和時間序列模型
附錄A2 符號和縮寫術語表

《統計信號處理基礎》分為3卷，本書是第2卷，全面介紹了計算機上實現的信號檢測算法，並且重點介紹了現實中的信號處理應用，包括現代語音、通信技術以及傳統的聲納/雷達繫統。本書適合作為高等院校低年級研究生或高年級本科生統計信號處理課程的教材或參考書，也可供相關技術人員參考。

(美)史蒂文·凱 著