《现代信号处理》复习提纲及作业.docVIP

复习提纲（2010年6月） 一．多速率信号处理与小波变换 1．抽取、内插与多相分解的概念、抽取与内插之后频谱的变化情况、抽取与内插所涉及的低通滤波器的作用； 2．FIR滤波器、IIR滤波器的多相分解表示；了解多相滤波器的应用； 3．小波变换的基本概念、理论基础（是建立在多速率滤波和多分辨率分析基础上的）和实现方法（通过滤波器组实现），与短时傅里叶变换的主要区别。 二．随机信号谱估计 1．平稳随机过程的基本数字特征：均值、方差、自相关函数的定义及相互关系式； 2．平稳随机过程的自相关函数与功率谱的关系、白噪声过程自相关函数与功率谱的特点； 3．三种信号模型的的特点、系统函数、时域差分方程和谱分解定理）（要求掌握基于信号模型的功率谱计算方法） 4．白噪声过程激励AR模型的输入输出关系式（包括相关域和谱域）、AR模型与预测误差滤波器的关系； 5．AR模型正则方程的获取过程（由时域差分方程代自相关函数定义式推导）；知道求解AR模型参数的Levinson-Durbin算法、Burg算法，要求掌握Levinson关系式，Burg算法与Levinson-Durbin算法的比较； 6．横向型预测误差滤波器和格型预测误差滤波器结构； 7．特征分解谱估计及高阶统计量要求掌握基本概念。 三．自适应滤波 1．自适应滤波的基本概念、维纳滤波和卡尔曼滤波异同点； 2．掌握维纳解的求解方法，两种最基本的自适应算法（LMS算法、RLS算法）的性能比较； 3．LMS算法中失调的概念及产生的原因； 4．FIR自适应滤波器和IIR自适应滤波器的基本结构；FIR自适应滤波器和IIR自适应滤波器各自的优缺点； 5．掌握前向预测、后向预测和联合过程估计的基本概念和特点，格型自适应滤波器的基本原理和实现方法； 6．Laguerre横向滤波器的结构特点； 7．自适应滤波器的四种主要应用 四．人工神经网络（ANN） 1．组成人工神经网络的三要素（神经元、网络拓扑、学习算法）；人工神经元模型的结构特点，常用的激活函数； 2．三种学习规则（误差修正学习、Hebb学习、竞争学习）； 3．信号处理领域常用的三种人工神经网络（多层前向神经网络、自组织神经网络、Hopfield神经网络），各自的特点及主要应用； 大型作业： （以下4个题目任选3题完成） 1. 请用多层感知器（MLP）神经网络误差反向传播（BP）算法实现异或问题输入为，要求可以判别输出0或1）并画出学习曲线。其中，非线性函数采用S型Logistic函数。 2. 设计两带滤波器组(高、低通互补)，进而实现四带滤波器组；并画出其频响。滤波器设计参数为：Fp＝1.7KHz, Fr＝2.3KHz, Fs＝8KHz, Armin≥70dB。3. 根据《现代数字信号处理》（姚天任等，华中理工大学出版社，2001）第四章附录提供的数据(pp.352-353)，试用如下方法估计其功率谱，并画出不同参数情况下的功率谱曲线 Levinson算法 Burg算法 ARMA模型法 MUSIC算法 4. 图1为均衡带限信号所引起失真的横向横向格-梯型结构自适应均衡器其中横向FIR系统长M=11, 系统输入是取值为±1的随机序列，其均值为零；参考信号；信道具有脉冲响应： 式中用来控制信道的幅度失真(W = 2～4, 如取W = 2.9,3.1,3.3,3.5等)，且信道受到均值为零、方差相当于信噪比为30dB的高斯白噪声的干扰。试比较基于下列算法的自适应均衡器在不同信道失真、不同噪声干扰下的收敛情况对应于每一种情况在同一坐标下画出其学习曲线 横向/格-梯型结构LMS算法 横向/格-梯型结构RLS算法 横向DCT-LMS算法 并分析其结果。 图1 自适应均衡器 [1] 姚天任, 孙洪. 现代数字信号处理[M]. 武汉: 华中理工大学出版社, 2001 [2] 杨绿溪. 现代数字信号处理[M]. 北京: 科学出版社, 2007 [3] S. K. Mitra. 孙洪等译. 数字信号处理——基于计算机的方法(第三版)[M]. 北京: 电子工业出版社, 2006 [4] S.Haykin, 郑宝玉等译. 自适应滤波器原理(第四版)[M].北京: 电子工业出版社, 2003 [5] J. G. Proakis, C. M. Rader, F. Y. Ling, etc. Algorithms for Statistical Signal Processing [M]. Beijing: Tsinghua University Press, 2003