东北大学现代信号处理办法新方式.pptVIP

* 估计(estimation)：参数估计、信道估计、功率谱估 计、波达方向估计、特征提取、时频分析、信号检测（多用户检测）… * 滤波(filtering)：自适应滤波、信号处理的机器学习 辨识(identification)：系统辨识、目标识别、信号分类、反卷积与盲均衡 * 二、课程学习的目标 本课程我们将要学习两部分内容：随机信号分析以及信号检测与估计。通过学习随机信号分析的基本理论，我们要学会运用概率的方法分析随机信号的统计特性，结合信号与系统的理论掌握随机信号通过系统的分析方法。要系统地掌握电子系统中遇到的一些典型的随机过程，如正态随机过程、窄带随机过程、马尔可夫过程等的特点，并在实际中能够熟练的运用。信号检测与估计的基本理论包括假设检验、参数估计以及噪声中信号的检测等内容，通过学习要掌握假设检验（包括复合假设检验与序贯检验）的基本概念、基本判决准则，要能够针对一个实际的问题构造出假设检验的统计模型，选择合适的判决准则，并且能分析判决的性能。要能够把假设检验的数学理论应用于噪声中信号检测问题中，推导出高斯噪声（白噪声和色噪声）环境下最佳接收机的结构，掌握高斯噪声环境下最佳接收机的基本形式、接收机性能分析的方法。通过估计理论的学习，掌握参数估计的基本方法、基本估计准则，掌握评价估计量好坏的性能指标。 二、课程学习的目标 本课程我们将要学习两部分内容：随机信号分析以及信号检测与估计。通过学习随机信号分析的基本理论，我们要学会运用概率的方法分析随机信号的统计特性，结合信号与系统的理论掌握随机信号通过系统的分析方法。要系统地掌握电子系统中遇到的一些典型的随机过程，如正态随机过程、窄带随机过程、马尔可夫过程等的特点，并在实际中能够熟练的运用。信号检测与估计的基本理论包括假设检验、参数估计以及噪声中信号的检测等内容，通过学习要掌握假设检验（包括复合假设检验与序贯检验）的基本概念、基本判决准则，要能够针对一个实际的问题构造出假设检验的统计模型，选择合适的判决准则，并且能分析判决的性能。要能够把假设检验的数学理论应用于噪声中信号检测问题中，推导出高斯噪声（白噪声和色噪声）环境下最佳接收机的结构，掌握高斯噪声环境下最佳接收机的基本形式、接收机性能分析的方法。通过估计理论的学习，掌握参数估计的基本方法、基本估计准则，掌握评价估计量好坏的性能指标。 （2）要深刻理解随机信号与确定性信号特征之间的同异，随机信号的变换规律是不确定的，但是，随机信号的统计特性是确定的，比如相关函数就是一个确定的函数，对相关函数的分析，我们可以采用类似于确定性信号的分析方法。 （3）统计分析的方法强调的是大量样本平均而言所表现出来的特征，尽管从个体来看变化是杂乱无章的，如接收机的噪声，但是从大量样本平均而言却表现出一定的规律性，这种规律性称为统计规律，是本门学科的一个最根本的概述，从开始就必须加以注意。统计判决问题，我们强调的并不是在某些特殊情况下所出现的错误，而是平均而言，发生错误的概率要小。 * 本课程共八个实验。 * 经典信号处理的不足 傅里叶变换缺乏时间和频率的定位功能 信号的幅度不但随时间变化，而且对现实物理世界中的大部分信号，其频率也随时间变化。实际上，在时域中愈是在较短时间内发生幅度突变的信号，其包含的信息就愈多。但由傅立叶变换看不出在什么时刻发生了此种类型的突变。 经典信号处理的不足 傅里叶变换对于非平稳信号的局限性 称这一类信号为“非平稳”信号，而把频率不随时间变化的信号称为“平稳”信号。此处的“平稳”和“不平稳”和随机信号中的“平稳随机信号”及“非平稳随机信号”的意义不同。平稳随机信号是指该类信号的一阶及二阶统计特征（均值与方差）不随时间变化，其自相关函数和观察的起点无关，而非平稳信号的均值、方差及自相关函数均与时间有关，即是时变的。尽管这两类说法的出发点不同，但非平稳信号的频率实质上也是时变的，因此，把频率随时间变化的信号统称为“非平稳信号”并无大碍。但要说一个信号是“平稳信号”，则要具体说明所指的是频率不随时间变化的信号还是平稳随机信号。 结论：傅立叶变换反映不出信号频率随时间变化的行为，因此，它只适合于平稳信号，而对频率随时间变化的非平稳信号，它只能给出一个总体平均效果。 经典信号处理的不足 傅里叶变换在分辨率上的局限性 “分辨率” 是指对信号所能作出辨别的时域或频域的最小间隔。分辨能力的好坏一是取决于信号的特点，二是取决于所用的算法。 -T T 0 A t x(t) Ω X(Ω) 0 2AT 分辨率是和信号的频率量和系统的带宽相关联的 带宽越宽，分辨率越高反之，分辨率越低。 1 逼近的好坏与分辨率高低是一致的。 2 高分辨率应包含低分辨率逼近。 显然，矩形窗的宽度T和其频谱主瓣的宽度（-π/T, π/T）成反比。由于矩形窗在新