统计信号处理基础（第2卷）

《统计信号处理基础》分为3卷，全面讲解了检测、估计与滤波的基本原理，并且介绍了大量信号处理的经典算法与应用实例。本书是其中的第1卷，详细介绍了经典估计理论和贝叶斯估计，总结了各种估计方法，考虑了维纳滤波和卡尔曼滤波，并介绍了对复数据和参数的估计方法。书中给出了大量的应用实例，范围包括高分辨率谱分析、系统辨识、数字滤波器设计、自适应噪声对消、自适应波束形成、跟踪和定位等；并且设计了大量的习题来加深对基本概念的理解。本书适合作为高等院校低年级研究生或高年级本科生统计信号处理课程的教材或参考书，也可供相关技术人员参考。 本书是世界图书出版公司“香农信息科学经典”系列图书中的一种。这个书系包含信息科学各个领域的图书，如信息论、通信与网络、信号处理、机器学习、理论计算机科学、量子信息科学等。“香农信息科学经典”以被世人称为“数字时代”之父和“信息时代”之父的克劳德·香农（Claude E. Shannon, 1916.4.30—2001.2.24）为名。书系的策划者为从香农所在的美国麻省理工学院归国的信息科学家。书系中除了包含信息领域传统分支的图书，还包括像“人工智能的信息论方法”与“信息科学中的博弈论”等前沿交叉学科的子系列。关于书系与香农的更多介绍，请见世图公号文章《一个新书系的诞生——香农、信息时代与“香农信息科学经典”》。 ★编辑推荐： 1.这套三卷本的《统计信号处理基础》是荣获过IEEE信号处理协会教育奖章的Steven M. Kay教授享誉全球的经典名著。 2.在统计学相关的诸多著作中，既有统计学家撰写的，也有应用统计技术的专家编著的，前者注重理论的严密性，后者更为强调实际的应用，《统计信号处理基础》则试图在两个方面达到平衡，并且还重点关注将这些理论转换成数字计算机上实现的软件算法。

第1章 引论 第2章 最小方差无偏估计 第3章 Cramer-Rao下限 第4章 线性模型 第5章 一般最小方差无偏估计 第6章 最佳线性无偏估计量 第7章 最大似然估计 第8章 最小二乘估计 第9章 矩方法 第10章 贝叶斯原理 第11章 一般贝叶斯估计量 第12章 线性贝叶斯估计量 第13章 卡尔曼滤波器 第14章 估计量总结 第15章 复数据和复参数的扩展

史蒂文·凯（Steven M. Kay）是统计信号处理领域世界知名的资深专家，他是美国罗得岛大学电子与计算机工程系的教授，同时也是许多工业部门以及美国空军、陆军、海军的顾问。他是国际电气电子工程师学会的杰出会士（IEEE Fellow），IEEE信号处理协会的杰出讲师，并荣获过IEEE信号处理协会的教育奖章。

暂无其它内容！

暂时还没有人为这本书评论！