中科大数字信号处理II期末大纲.docVIP

有关后续课程和考试安排的通知 考试安排： 考试时间：2015-01-14（星期三）下午3：00---5：00 地点：3C122，3C123教室 答疑安排： 答疑时间：2015年01月07日（星期三）下午3：00—5：00； 2015年01月12日（星期一）下午3：00—5：00； 答疑地点：科技实验楼西楼5楼515（会议室） 注意事项： 考试方式：闭卷 座位安排：学号为单号的同学在3C123教室，学号为双号的同学在3C122教室；同排每人之间必须至少有一个空座位间隔。 可带有四则运算和有函数运算的计算器，但不准带其它有较强存储能力的电子设备； 只需带笔，不需带纸。 考试总时间为120分钟。 考试内容以课堂讲授内容为准。主要考察对各种算法原理和方法的掌握程度。类型有问答/填空、计算题、算法原理分析题、应用原理分析题等类型。 绪论 主要掌握有关的基本基本概念：数字信号，数字信号处理，现代数字信号处理的主要内容，DSP应用实例与面临的挑战。 自适应滤波引言 一 线性滤波概念 理解滤波器的概念及线性滤波、最优滤波、维纳滤波、卡尔曼滤波的概念 二 维纳滤波 Weiner Filtering 掌握：维纳滤波问题, Weiner-Hopf方程,FIR维纳滤波计算及其最小均方误差计算方法,掌握正交原理，去相关滤波的概念, 了解最优滤波与一般线性滤波的比较。 三 卡尔曼滤波 Kalman Filtering 了解卡尔曼滤波和维纳滤波的关系与区别及标量卡尔曼滤波. 四 自适应滤波 Adaptive Filtering 掌握自适应滤波定义,原理框图,分类,自适应滤波算法选用的考虑因素。 五 自适应滤波应用 了解自适应滤波应用的四种应用类别：系统辨识, 自适应逆滤波系统,自适用噪音抵消, 自适用谱线增强。掌握并能理解其中的应用原理，在实用中参考信号的获取。 LMS自适应滤波 一 LMS算法 了解性能误差曲面,从梯度算法的角度掌握LMS算法的原理,LMS算法公式,直接实现结构。 二 LMS算法稳定性分析 了解均值收敛分析和均方收敛条件的意义和过程,掌握均值收敛条件和均方收敛条件、 均方收敛时的最小误差和超量误差。 三 LMS算法性能分析 掌握均值收敛和均方收敛下的时间常数计算方法, 均方收敛下的失调的计算方法,了解自适应步长、滤波器长度、和信号特性 相关阵的特征值 对LMS算法性能的影响。 四 LMS算法变形 掌握加洩放因子,符号算法归一化LMS算法的公式和原理, 各种变形针对解决的问题.了解跟踪误差的概念. 五 级联型FIR梯度自适应滤波器和IIR梯度自适应滤波器 掌握算法原理, 不要求计算. 线性预测误差滤波 一 掌握线性预测误差滤波的定义和性质 与信号模型间的关系, 最小相位特性,可预测信号 二 掌握正向和反向预测误差的概念, 正向和反向预测误差的关系 , 反向预测误差的性质. 三 掌握阶次叠代关系----Livinson-Dubin算法. 四 掌握Lattice预测误差滤波器的结构, 反射系数的性质, Lattice法求解反射系数 Burg法 . 五 掌握FIR梯度自适应预测器、Lattice梯度自适应预测误差滤波器的原理和计算方法, 了解IIR梯度自适应预测器的原理. 短时付里叶分析 一 理解时频分析概念,了解付里叶变换的时频分析特性 二 理解短时付里叶分析定义、两种解释、性质、时频分析特性 三 掌握离散短时付里叶分析反变换FBS法、OLA法 现代谱估计 一 掌握有关基本概念: 功率谱密度定义，功率谱估计中的问题及谱估计方法分类 二 了解传统功率谱估计 非参数谱估计 方法的原理和算法,主要存在的问题和原因 三 理解最大熵谱估计原理，最大熵自相关外推原理，最大熵谱估计的解 四 理解参数模型法谱估计的步骤,三种模型及其之间的关系；AR模型谱估计的解 Yule-Walker方程 , AR模型谱估计的性质。了解MA和ARMA模型谱估计的解的方法和性质. 五 白噪声中正弦波频率的估计 理解：白噪声中正弦波频率的估计问题和定义、白噪声中正弦波序列的性质、基于一般谱估计的方法的白噪声中正弦波频率的估计、基于最大似然法的白噪声中正弦波频率的估计；掌握基于特征分解（信号子空间，噪声子空间）的白噪声中正弦波频率的估计原理和方法。 同态信号处理 一 理解同态概念,掌握广义叠加原理, 同态系统概念, 同态系统的规范形式 二 了解乘法同态系统的规范形式实现原理和框图 三 掌握卷积同态系统规范形式实现原理和框图 四 掌握复倒谱的定义与性质和四种计算方法 按复倒谱定义计算; 复对数求导数计算方法；最小相位序列的复倒谱的计算; 递推计算方法 最小二乘自适应滤波 一 掌握以下概念：线性LS估计问题，正交原理，正则方程 二 理解标准RLS自