随机信号处理 国防科大

随机信号处理是电子与通信工程学科研究生的核心课程，本课程主要学习随机过程基础、参数估计、最佳滤波和信号检测的基本理论，随机过程基础主要介绍随机过程的基本概念和随机过程通过线性系统分析，包括定义与分类、统计描述、平稳随机过程和功率谱、线性系统分析、常用时间序列模型、匹配滤波理论等；通过参数估计理论的学习，掌握参数估计的一般方法、估计的基本准则和性能评估方法；通过最佳滤波理论的学习，掌握最佳滤波的基本概念、掌握卡尔曼滤波的基本理论，熟练掌握卡尔曼滤波算法的推导方法、算法的应用和性能（仿真）评估方法，掌握非线性滤波的基本概念和方法（扩展卡尔曼滤波方法），能够根据实际问题建立起信号和观测模型、建立相应的算法、并能用计算机分析（仿真）算法性能。信号检测包括假设检验的基本理论及噪声中信号检测两部分，掌握假设检验（包括复合假设检验）的概念呢、判决准则，能够针对实际问题构造出假设检验的统计模型、选择合适的判决准则，分析判决的性能。能够将假设检验的数学理论应用与噪声中信号的检测问题中，推导出高斯噪声环境下最佳接收机的结构，掌握高斯噪声中最佳接收机的基本形式、接收机的性能分析方法及最佳信号设计问题。掌握非高斯噪声中信号检测的方法。

• 课时1：定义与分类 (12分49秒)

• 课时2：概率分布与概率密度-分布的定义 (8分25秒)

• 课时3：概率分布与概率密度-计算举例 (10分34秒)

• 课时4：数字特征-数字特征的定义 (7分28秒)

• 课时5：数字特征-计算举例 (11分32秒)

• 课时6：平稳随机过程-各态历经过程 (7分54秒)

• 课时7：平稳随机过程-相关函数的性质 (9分58秒)

• 课时8：平稳随机过程-平稳的定义 (12分11秒)

• 课时9：功率谱-随机序列的功率谱 (9分19秒)

• 课时10：功率谱-连续时间随机过程功率谱 (14分25秒)

• 课时11：典型随机过程 (7分23秒)

• 课时12：海杂波特性分析 (14分14秒)

• 课时13：变换的概念与定理 (8分43秒)

• 课时14：随机过程通过线性系统分析-冲激响应法 (9分9秒)

• 课时15：随机过程通过线性系统分析-频谱法 (6分11秒)

• 课时16：随机过程通过线性系统分析-计算举例 (12分3秒)

• 课时17：随机序列通过离散线性系统分析-常用时间序列模型 (11分5秒)

• 课时18：随机序列过离散线性系统分析-两种分析方法 (10分19秒)

• 课时19：信噪比最大的最佳线性滤波器 (12分12秒)

• 课时20：匹配滤波器-定义与性质 (10分43秒)

• 课时21：匹配滤波器-计算举例 (9分24秒)

• 课时22：信号处理实例-线性调频信号的匹配滤波 (18分8秒)

• 课时23：估计理论概述-估计问题的统计模型 (6分40秒)

• 课时24：估计理论概述-估计的基本方法 (14分9秒)

• 课时25：估计理论概述-估计量的性能评估 (7分30秒)

• 课时26：参数估计的CRLB-CRLB定理 (15分32秒)

• 课时27：参数估计的CRLB-CRLB计算实例 (6分9秒)

• 课时28：高斯白噪声中信号参数的CRLB (10分16秒)

• 课时29：估计性能的蒙特卡洛仿真 (9分9秒)

• 课时30：最大似然估计 (14分32秒)

• 课时31：最大似然估计的渐近特性 (17分1秒)

• 课时32：时延估计 (14分37秒)

• 课时33：贝叶斯估计的一般概念-先验信息与估计 (8分18秒)

• 课时34：贝叶斯估计的一般概念-后验分布与估计 (16分58秒)

• 课时35：最小均方估计的推导 (8分52秒)

• 课时36：最小均方估计的性质 (4分4秒)

• 课时37：最小均方估计计算实例 (7分38秒)

• 课时38：最大后验概率估计 (10分14秒)

• 课时39：命中概率的贝叶斯估计 (21分13秒)

• 课时40：线性最小均方估计的原理 (10分36秒)

• 课时41：线性最小均方估计的性质 (5分6秒)

• 课时42：线性最小均方估计计算举例 (17分0秒)

• 课时43：基于随机矢量空间的线性最小均方估计 (10分34秒)

• 课时44：线性最小均方估计的几何解释-计算举例 (6分20秒)

• 课时45：递推线性最小均方估计(1) (11分58秒)

• 课时46：递推线性最小均方估计(2) (10分54秒)

• 课时47：卡尔曼滤波概述 (16分53秒)

• 课时48：正交投影的定义及性质 (8分50秒)

• 课时49：卡尔曼滤波算法推导 (21分21秒)

• 课时50：计算举例 (17分59秒)

• 课时51：应用中的若干问题-色噪声中的卡尔曼滤波 (13分33秒)

• 课时52：应用中的若干问题-滤波发散问题 (12分19秒)

• 课时53：卡尔曼滤波应用实例-目标跟踪 (21分31秒)

• 课时54：扩展卡尔曼滤波模型和算法推导 (17分18秒)

• 课时55：扩展卡尔曼滤波计算举例 (7分6秒)

• 课时56：扩展卡尔曼滤波应用实例-目标跟踪 (12分58秒)

• 课时57：信号检测的基本概念 (14分32秒)

• 课时58：贝叶斯准则 (16分7秒)

• 课时59：奈曼-皮尔逊准则 (8分33秒)

• 课时60：检测性能分析-检测性能分析 (15分23秒)

• 课时61：多元假设检验-多元假设检验 (14分33秒)

• 课时62：复合假设检验的基本概念 (18分39秒)

• 课时63：广义似然比检验计算 (6分55秒)

• 课时64：局部最大势检验 (12分56秒)

• 课时65：匹配滤波器 (10分25秒)

• 课时66：匹配滤波器性能分析 (8分43秒)

• 课时67：广义匹配滤波器 (7分5秒)

• 课时68：广义匹配滤波器性能分析 (10分33秒)

• 课时69：一般线性模型的匹配滤波 (5分52秒)

• 课时70：最小距离接收机 (14分49秒)

• 课时71：未知参量的确定性信号检测 (14分53秒)

• 课时72：正弦信号检测 (17分13秒)

• 课时73：随机信号的相关检测 (20分51秒)

• 课时74：一般高斯信号的检测 (8分29秒)

• 课时75：雷达对Swerling起伏目标检测性能分析 (14分44秒)

• 课时76：未知参量的随机信号检测 (15分35秒)

• 课时77：未知参量确定性信号的线性模型检测 (12分50秒)

• 课时78：随机信号的线性模型检测 (13分36秒)

• 课时79：噪声参量未知时的信号检测 (11分43秒)

• 课时80：非高斯噪声中的信号检测 (17分12秒)

• 课时81：信号处理实例-辐射源个体目标识别 (17分49秒)