本书是一部经典的有关统计信号处理的权威著作。全书分为两卷，分别讲解了统计信号处理基础的估计理论和检测理论。第一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。本卷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。第二卷全面介绍了计算机上实现的最佳检测算法，并且重点介绍了现实中的信号处理应用，包括现代语音通信技术及传统的声呐/雷达系统。本卷从检测的基础理论开始，回顾了高斯、F、瑞利及莱斯概率密度；讲解了高斯随机变量的二次型，以及渐近高斯概率密度和蒙特卡洛性能评估；介绍了基于简单假设检验的检测理论基础，包括Neyman_Pearson定理、无关数据的处理、贝叶斯风险、多元假设检验，以及确定性信号和随机信号的检测。最后详细分析了适合于未知信号和未知噪声参数的复合假设检验。Steven M. Kay，美国罗德岛大学电子与计算机工程系的教授IEEE会士，信号处理领域资深专家，曾发表过大量论文与学术报告，并撰写过多部著作。研究方向为频谱分析、检测和估计理论、统计信号处理。罗鹏飞教授，主要从事现代信号处理方面的教学科研与人才培养工作。主讲的本科生课程有《随机信号分析与处理》、《信号与系统》、《信号检测、估计原来与应用专题研讨》、《随机信号分析》、《信号检测与估计》、《统计无线电理论》，主讲研究生核心课程《统计信号处理》。现为国家级教学团队“信号处理系列课程教学团队”的带头人，国家精品课程和军队优质课程《随机信号分析与处理》的课程负责人，湖南省研究生精品课程《统计信号处理》的课程负责人。目 ???录第一卷：统计信号处理基础――估计理论第1章 ?引言1.1 ?信号处理中的估计1.2 ?估计的数学问题1.3 ?估计量性能评估1.4 ?几点说明参考文献习题第2章 ?最小方差无偏估计2.1 ?引言2.2 ?小结2.3 ?无偏估计量2.4 ?最小方差准则2.5 ?最小方差无偏估计的存在性2.6 ?求最小方差无偏估计量2.7 ?扩展到矢量参数参考文献习题第3章 ?Cramer_Rao下限3.1 ?引言3.2 ?小结3.3 ?估计量精度考虑3.4 ?Cramer_Rao下限3.5 ?高斯白噪声中信号的一般CRLB3.6 ?参数的变换3.7 ?扩展到矢量参数3.8 ?矢量参数变换的CRLB3.9 ?一般高斯情况的CRLB3.10 ?????WSS高斯随机过程的渐近CRLB3.11 ?????信号处理的例子参考文献习题附录3A ?标量参数CRLB的推导附录3B ?矢量参数CRLB的推导附录3C ?一般高斯CRLB的推导附录3D ?渐近CRLB的推导第4章 ?线性模型4.1 ?引言4.2 ?小结4.3 ?定义和性质4.4 ?线性模型的例子4.5 ?扩展到线性模型参考文献习题第5章 ?一般最小方差无偏估计5.1 ?引言5.2 ?小结5.3 ?充分统计量5.4 ?求充分统计量5.5 ?利用充分统计量求MVU估计量5.6 ?扩展到矢量参数参考文献习题附录5A ?Neyman_Fisher因子分解定理（标量参数）的证明附录5B ?Rao_Blackwell_Lehmann_Scheffe定理（标量参数）的证明第6章 ?最佳线性无偏估计量6.1 ?引言6.2 ?小结6.3 ?BLUE的定义6.4 ?求BLUE6.5 ?扩展到矢量参数6.6 ?信号处理的例子参考文献习题附录6A ?标量BLUE的推导附录6B ?矢量BLUE的推导第7章 ?最大似然估计7.1 ?引言7.2 ?小结7.3 ?举例7.4 ?求MLE7.5 ?MLE的性质7.6 ?变换参数的MLE7.7 ?MLE的数值确定7.8 ?扩展到矢量参数7.9 ?渐近MLE7.10 ?????信号处理的例子参考文献习题附录7A ?蒙特卡洛方法附录7B ?标量参数MLE的渐近PDF附录7C ?EM算法例题中条件对数似然函数的推导第8章 ?最小二乘估计8.1 ?引言8.2 ?小结8.3 ?最小二乘估计方法8.4 ?线性最小二乘估计8.5 ?几何解释8.6 ?按阶递推最小二乘估计8.7 ?序贯最小二乘估计8.8 ?约束最小二乘估计8.9 ?非线性最小二乘估计8.10 ?????信号处理的例子参考文献习题附录8A ?按阶递推最小二乘估计的推导附录8B ?递推投影矩阵的推导附录8C ?序贯最小二乘估计的推导第9章 ?矩方法9.1 ?引言9.2 ?小结9.3 ?矩方法9.4 ?扩展到矢量参数9.5 ?估计量的统计评价9.6 ?信号处理的例子参考文献习题第10章 ?贝叶斯原理10.1 ?????引言10.2 ?????小结10.3 ?先验知识和估计10.4 ?选择先验PDF10.5 ?高斯PDF的特性10.6 ?贝叶斯线性模型10.7 ?多余参数10.8 ?确定性参数的贝叶斯估计参考文献习题附录10A ?条件高斯PDF的推导第11章 ?一般贝叶斯估计量11.1 ?引言11.2 ?小结11.3 ?风险函数11.4 ?最小均方误差估计量11.5 ?最大后验估计量11.6 ?性能描述11.7 ?信号处理的例子参考文献习题附录11A ?连续时间系统到离散时间系统的转换第12章 ?线性贝叶斯估计量12.1 ?引言12.2 ?小结12.3 ?线性MMSE估计12.4 ?几何解释12.5 ?矢量LMMSE估计量12.6 ?序贯LMMSE估计12.7 ?信号处理的例子_维纳滤波器参考文献习题附录12A ?贝叶斯线性模型的序贯LMMSE估计量的推导第13章 ?卡尔曼滤波器13.1 ?引言13.2 ?小结13.3 ?动态信号模型13.4 ?标量卡尔曼滤波器13.5 ?卡尔曼滤波器与维纳滤波器的关系13.6 ?矢量卡尔曼滤波器13.7 ?扩展卡尔曼滤波器13.8 ?信号处理的例子参考文献习题附录13A ?矢量卡尔曼滤波器的推导附录13B ?扩展卡尔曼滤波器的推导第14章 ?估计量总结14.1 ?引言14.2 ?估计方法14.3 ?线性模型14.4 ?选择一个估计量第15章 ?复数据和复参数的扩展15.1 ?引言15.2 ?小结15.3 ?复数据和复参数15.4 ?复随机变量和PDF15.5 ?复WSS随机过程15.6 ?导数、梯度和最佳化15.7 ?采用复数据的经典估计15.8 ?贝叶斯估计15.9 ?渐近复高斯PDF15.10 ?????信号处理的例子参考文献习题附录15A ?复协方差矩阵的性质的推导附录15B ?复高斯PDF性质的推导附录15C ?CRLB和MLE公式的推导第二卷：统计信号处理基础――检测理论第1章 ?引言 ?1.1 ?信号处理中的检测理论 ?1.2 ?检测问题 ?1.3 ?检测问题的数学描述 ?1.4 ?检测问题的内容体系 ?1.5 ?渐近的作用 ?1.6 ?对读者的一些说明 ?参考文献 ?习题第2章 ?重要PDF的总结 ?2.1 ?引言 ?2.2 ?基本概率密度函数及其性质 ?2.3 ?高斯随机变量的二次型 ?2.4 ?渐近高斯PDF ?2.5 ?蒙特卡洛性能评估 ?参考文献 ?习题附录2A ?要求的蒙特卡洛实验次数附录2B ?正态概率纸附录2C ?计算高斯右尾概率及其逆的MATLAB程序附录2D ?计算中心化和非中心化2的右尾概率附录2E ?蒙特卡洛计算机模拟的MATLAB程序第3章 ?统计判决理论I ?3.1 ?引言 ?3.2 ?小结 ?3.3 ?Neyman_Pearson定理 ?3.4 ?接收机工作特性 ?3.5 ?无关数据 ?3.6 ?最小错误概率 ?3.7 ?贝叶斯风险 ?3.8 ?多元假设检验 ?参考文献 ?习题附录3A ?Neyman_Pearson定理附录3B ?最小贝叶斯风险检测器――二元假设附录3C ?最小贝叶斯风险检测器――多元假设第4章 ?确定信号 ?4.1 ?引言 ?4.2 ?小结 ?4.3 ?匹配滤波器 ?4.4 ?广义匹配滤波器 ?4.5 ?多个信号 ?4.6 ?线性模型 ?4.7 ?信号处理的例子 ?参考文献 ?习题附录4A ?线性模型的简化形式第5章 ?随机信号 ?5.1 ?引言 ?5.2 ?小结 ?5.3 ?估计器_相关器 ?5.4 ?线性模型 ?5.5 ?大数据记录的估计器_相关器 ?5.6 ?一般高斯检测 ?5.7 ?信号处理的例子 ?参考文献 ?习题附录5A ?估计器_相关器的检测性能第6章 ?统计判决理论II ?6.1 ?引言 ?6.2 ?小结 ?6.3 ?复合假设检验 ?6.4 ?复合假设检验方法 ?6.5 ?大数据记录时GLRT的性能 ?6.6 ?等效大数据记录检验 ?6.7 ?局部最大势检测器 ?6.8 ?多元假设检验 ?参考文献 ?习题附录6A ?渐近等效检验――无多余参数附录6B ?渐近等效检验――多余参数附录6C ?GLRT的渐近PDF附录6D ?LMP检验的渐近检测性能附录6E ?局部最优势检验的另一种推导附录6F ?广义ML准则的推导第7章 ?具有未知参数的确定性信号 ?7.1 ?引言 ?7.2 ?小结 ?7.3 ?信号建模和检测性能 ?7.4 ?未知幅度 ?7.5 ?未知到达时间 ?7.6 ?正弦信号检测 ?7.7 ?经典线性模型 ?7.8 ?信号处理的例子 ?参考文献 ?习题附录7A ?能量检测器的渐近性能附录7B ?经典线性模型GLRT的推导第8章 ?未知参数的随机信号 ?8.1 ?引言 ?8.2 ?小结 ?8.3 ?信号协方差不完全已知 ?8.4 ?大数据记录的近似 ?8.5 ?弱信号检测 ?8.6 ?信号处理的例子 ?参考文献 ?习题附录8A ?周期高斯随机过程PDF的推导第9章 ?未知噪声参数 ?9.1 ?引言 ?9.2 ?小结 ?9.3 ?一般考虑 ?9.4 ?白高斯噪声 ?9.5 ?有色WSS高斯噪声 ?9.6 ?信号处理的例子 ?参考文献 ?习题附录9A ?推导对于σ2未知的经典线性模型的GLRT附录9B ?对具有未知噪声参数的一般线性模型的Rao检验附录9C ?信号处理例子的渐近等效Rao检验第10章 ?非高斯噪声 ?10.1 ?引言 ?10.2 ?小结 ?10.3 ?非高斯噪声的性质 ?10.4 ?已知确定性信号 ?10.5 ?未知参数确定性信号 ?10.6 ?信号处理的例子 ?参考文献 ?习题附录10A ?NP检测器对微弱信号的渐近性能附录10B ?IID非高斯噪声中线性模型信号的Rao检验第11章 ?检测器总结 ?11.1 ?引言 ?11.2 ?检测方法 ?11.3 ?线性模型 ?11.4 ?选择一个检测器 ?11.5 ?其他方法和其他参考教材 ?参考文献第12章 ?模型变化检测 ?12.1 ?引言 ?12.2 ?小结 ?12.3 ?问题的描述 ?12.4 ?基本问题的扩展 ?12.5 ?多个变化时刻 ?12.6 ?信号处理的例子 ?参考文献 ?习题附录12A ?分段的通用动态规划方法附录12B ?动态规划的MATLAB程序第13章 ?复矢量扩展及阵列处理 ?13.1 ?引言 ?13.2 ?小结 ?13.3 ?已知PDF ?13.4 ?具有未知参数的PDF ?13.5 ?矢量观测和PDF ?13.6 ?矢量观测量的检测器 ?13.7 ?大数据记录的估计器_相关器 ?13.8 ?信号处理的例子 ?参考文献 ?习题附录13A ?复线性模型GLRT的PDF附录1 ?重要概念回顾附录2 ?符号和缩写术语表第一卷： 统计信号处理基础――估计理论第1章 ?引 ???言