- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
001信号处理基础教学大纲
课程中文名称 信号处理基础 课程英文名称 Fundamentals of Modern Signal Processing 总学时/学分 48/3 开课时间 秋季 教学方式 堂上讲授 考核方式 堂上考试 开课单位 通信与信息工程学院 归属教学部 适用学科或对象 信息与通信工程、电子科学与技术、控制科学与工程、仪器科学与技术、电气工程等 教学目的和要求 本课程在掌握概率及随机过程、信号与系统、数字信号处理和矩阵分析等知识的基础上,通过本课程的学习使学生掌握现代信号处理的基本概念、平稳随机信号基本处理方法、信号功率谱估计、自适应滤波器等。为学生其后的学习和从事电子信息领域的课题研究、技术开发提供良好的基础。 课程主要内容 (一)平稳随机信号特征与信号模型 (10学时)
1、信号分类
熟悉信号分类方法;掌握能量信号和功率信号特点。
2、平稳随机信号及数字特征
了解随机信号的描述;熟悉平稳随机信号数字特征;理解平稳随机信号的各态遍历性;重点掌握随机信号自相关函数和功率谱;熟悉维纳-辛钦定理;熟悉典型随机信号及特点。
3、平稳随机信号特征估计
理解平稳随机信号估计原理;掌握随机信号特征估计评价方法;掌握平稳随机信号特征估计的主要方法,重点掌握自相关函数的估计、特性及工程实现方法。
4、平稳随机信号通过线性系统
通过专题自学,熟悉平稳随机信号通过线性系统输入与输出的各类关系。
5、平稳随机信号的线性模型
理解随机信号线性模型的导出及电路意义;熟悉AR、MA和ARMA模型及特点,重点掌握AR模型;熟悉三种模型之间的关系;理解模型与信号自相关函数和功率间的关系,重点掌握Yule-Walker(尤拉-沃克)方程;了解各类信号模型的工程意义。
(二)功率谱估计 (12学时)
1、经典谱估计
掌握周期图法和BT法原理和工程实现方法;熟悉周期图法与BT法之间关系;掌握经典谱估计质量和特点;理解窗函数在经典谱估计中的作用和分析方法;掌握经典谱估计质量改善的方法(平均和平滑);理解经典谱估计的局限和缺点。
2、AR模型谱估计
理解现代谱估计概念;了解AR模型谱统计特性;掌握自相关法和伯格法;了解协方差法和修改的协方差法;熟悉AR模型阶数的工程确定方法;掌握AR模型谱估计的主要性质。
3、最大熵谱估计与最小方差谱估计
理解最大熵谱估计和最大似然谱估计的概念;熟悉最大熵谱估计与AR模型谱估计等效的条件;了解最小方差谱估计方法。
4、频率估计
熟悉最大似然谱估计的离散谱估计机理;了解特征分解法、皮萨伦科(Pisarenko)谐波分解法、多信号分类(MUSIC)法、Root- MUSIC法、ESPRIT法等。
(三)维纳滤波和卡尔曼滤波 (10学时)
1、维纳滤波和卡尔曼滤波概念
理解滤波与估计的概念及区别;熟悉最佳滤波与最佳准则概念,重点掌握MMSE准则和LS准则;掌握维纳滤波与卡尔曼滤波概念及异同。
2、维纳滤波时域解
理解维纳滤波器及滤波方程建立;掌握正交原理和维纳-霍夫方程;掌握低阶维纳-霍夫方程的建立和求解方法。
3、维纳滤波Z域解
熟悉功率谱分解方法;掌握信号Z域功率谱构造方法;掌握因果和非因果维纳滤波器Z域解求解方法。
4、维纳预测
理解信号可测性概念;熟悉维纳预测概念和原理;掌握纯预测和一步线性预测的求解方法。
5、卡尔曼滤波
理解卡尔曼滤波的特点;了解卡尔曼滤波的状态方程和量测方法;理解卡尔曼滤波递推算法;熟悉卡尔曼滤波与维纳滤波的异同。
(四)自适应滤波 (14学时)
1、自适应滤波的基本概念
熟悉自适应滤波背景及意义;了解自适应滤波器结构和分类。
2、自适应横向滤波器
理解滤波方程的建立;熟悉最佳加权系数和均方误差;掌握MMSE准则的应用和最小均方误差的求取;理解性能函数的化简方法;掌握性能函数的几何意义。
3、最陡下降法
理解最陡下降法思路;掌握最陡下降法递推公式;掌握最陡下降法性能分析方法;熟悉最陡下降法收敛特性和过渡过程;理解信号和步长对最陡下降法性能特性的影响。
4、LMS算法
熟悉LMS算法思路;掌握LMS算法递推公式及工程实现方法;掌握LMS算法性能分析方法;熟悉LMS算法收敛特性和过渡过程以及它们与最陡下降法的区别;掌握LMS算法的稳态误差和失调系数;理解信号和步长对LMS算法性能特性的影响。
5、自适应格型滤波器
熟悉前向预测和后向预测的概念;理解前向和后向预测滤波器的推导;掌握莱文逊-杜宾(Levinson-Durbin)递推算法;熟悉格型滤波器结构;理解格型滤波器性质;掌握自适应格型滤波器算法,重点掌握几何平均格型法、伯格法和梯度法。
6、最小二乘自适应滤波概念与原理
理解最小二乘滤波概念;掌握最小二乘准则;了解最小二乘模型和最小二乘估计;熟悉最小二乘滤波方程;掌握最小
文档评论(0)