基本信息

• 商品名称：通信信号处理模型方法及应用
• 作者：编者:包建荣//姜斌//许晓荣//唐向宏
• 定价：80
• 出版社：科学
• ISBN号：9787030552594

其他参考信息（以实物为准）

• 出版时间：2018-01-01
• 印刷时间：2018-01-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：238
• 字数：300千字

内容提要

包建荣、姜斌、许晓荣、唐向宏编著的《通信信 号处理模型方法及应用》全面阐述目前通信信号处理 模型方法的研究现状，介绍采用模型的方法来解决数 字通信中的信号分析与处理问题，以期获得接近*大 似然的*优信号处理性能。具体介绍典型的稀疏概率 图、因子图等软概率信息处理方法和常见的维纳、卡 尔曼滤波及时间序列模型等现代信号处理方法，并对 其理论展开较深入的分析。同时，也结合部分概率图 、因子图等通信信号处理的模型方法，给出典型应用 ，以启发现代通信信号处理新方法的发展及应用。
     本书适合作为普通高等院校及独立学院电子信息 类专业高年级本科生、研究生、教师及从事通信信号 处理各领域工作的科技工作者的参考书。
    

目录

第1章 概率模型及信息理论基础
1.1 概率模型与信息理论概述
1.2 随机过程
1.2.1 随机信号概述
1.2.2 随机过程概念
1.3 随机信号的概率模型
1.3.1 概率定义
1.3.2 离散、连续和有限状态概率模型
1.3.3 离散随机变量与随机过程及其概率质量函数
1.3.4 连续随机变量与随机过程及其概率密度函数
1.4 随机过程的数字特征
1.4.1 均值
1.4.2 相关性及自协方差
1.5 随机信号的平稳性
1.5.1 严平稳过程
1.5.2 广义平稳过程
1.6 随机信号的功率谱密度
1.7 随机信号的统计特性
1.7.1 互相关和互协方差
1.7.2 互功率谱密度和相关性
1.7.3 平均遍历过程
1.7.4 相关遍历过程
1.8 一些典型的随机过程
1.8.1 高斯过程
1.8.2 泊松过程
1.8.3 马尔可夫过程(连续变量)和马尔可夫链(离散变量)
1.9 信息理论模型基础
1.9.1 信息熵
1.9.2 互信息量
1.10 本章小结
第2章 贝叶斯统计推断
2.1 贝叶斯估计的基本概念
2.1.1 贝叶斯准则
2.1.2 估计的动态预测与概率模型
2.1.3 模型参数与信号空间
2.1.4 估计的指标和特征
2.1.5 先验和后验空间分布
2.2 贝叶斯估计方法
2.2.1 *大后验概率估计
2.2.2 *大似然估计
2.2.3 *小均方误差估计
2.2.4 误差对估计性能的影响
2.2.5 先验与观测的相对重要性
2.3 EM算法
2.3.1 EM算法原理
2.3.2 EM算法的收敛性
2.4 *小估计方差的Cramer-Rao界
2.4.1 随机参数的Cramer-Rao界
2.4.2 向量参数的Cramer-Rao界
2.5 贝叶斯分类