本书系统地论述统计信号处理的基本理论，包括随机过程基础、参数估计、最优滤波和信号检测四部分。全书共15章，分别为引言、随机过程的基本概念、随机过程的线性变换、估计的基本概念与性能评估、最小方差无偏估计、最大似然估计、贝叶斯估计、线性最小均方估计、线性卡尔曼滤波、非线性滤波、统计判决理论、复合假设检验、高斯噪声中已知信号的检测、高斯噪声中未知参量信号的检测、非高斯噪声中信号的检测等。各章均有信号处理实例和丰富的习题。
本书可作为信息与通信工程学科研究生和高年级本科生的教材，也可供相关技术领域的工程技术人员参考。

第1章 引言
1.1 基本概念
1.2 发展历史
1.3 内容安排
第2章 随机过程的基本概念
2.1 随机过程的定义与分类
2.1.1 随机过程的定义
2.1.2 随机过程的分类
2.2 随机过程的概率分布
2.2.1 一维概率分布
2.2.2 二维概率分布和多维概率分布
2.2.3 概率分布计算实例
2.2.4 联合分布
2.3 随机过程的数字特征
2.3.1 均值函数与方差函数
2.3.2 自相关函数和自协方差函数
2.3.3 离散随机过程的数字特征
2.3.4 数字特征计算实例
2.3.5 互相关函数
2.4 平稳随机过程
2.4.1 平稳随机过程的定义
2.4.2 平稳随机过程自相关函数的特性
2.4.3 随机过程的各态历经性
2.4.4 广义联合平稳及互相关函数的性质
2.5 随机过程的功率谱密度
2.5.1 连续时间随机过程的功率谱
2.5.2 随机序列的功率谱
2.5.3 白噪声
2.6 高斯随机过程
2.6.1 一维高斯随机变量
2.6.2 二维高斯随机变量
2.6.3 多维高斯随机变量
2.6.4 多维高斯随机变量的条件分布
2.6.5 X2分布
2.6.6 高斯随机过程
习题
第3章 随机过程的线性变换
3.1 变换的基本概念和基本定理
3.3.1 变换的基本概念
3.3.2 线性变换的基本定理
3.2 随机过程通过线性系统分析
3.2.1 冲激响应法
3.2.2 频谱法
3.2.3 计算举例
3.3 随机序列通过离散线性系统
3.3.1 基本关系
3.3.2 常用时间序列模型
3.4 最佳线性滤波器
3.4.1 输出信噪比最大的最佳线性滤波器
3.4.2 匹配滤波器
3.4.3 广义匹配滤波器
3.5 信号处理实例——线性调频信号的匹配滤波器
3.5.1 线性调频信号
3.5.2 线性调频信号通过匹配滤波器的输出分析
3.6 随机动态系统
3.6.1 随机连续线性系统
3.6.2 随机连续线性系统的离散化
习题
第4章 估计的基本概念与性能评估
4.1 估计理论概述
4.1.1 估计问题的统计模型
4.1.2 估计的基本方法
4.1.3 估计量的性能评估
4.2 参数估计的克拉美.罗下限
4.2.1 估计的精度与似然函数的关系
4.2.2 克拉美一罗下限定理
4.2.3 随机参量估计的克拉美一罗下限
4.3 高斯白噪声中一般信号参数的克拉美一罗下限
4.4 估计性能的蒙特卡洛仿真
4.5 矢量参数的克拉美.罗下限
4.6 参数变换的克拉美.罗下限
4.7 充分统计量
习题
第5章 最小方差无偏估计
5.1 最小方差无偏估计的定义
5.2 RBLS定理
5.3 线性最小方差无偏估计
5.4 信号处理实例——系统辨识
习题
第6章 最大似然估计
6.1 最大似然估计的定义与计算实例
6.2 最大似然估计的性质
6.3 信号处理实例——时延估计
6.4 变换参数的最大似然估计
6.5 最大似然估计的数值计算
习题
第7章 贝叶斯估计
7.1 贝叶斯估计的一般概念
7.1.1 先验信息与估计
7.1.2 后验分布与估计
7.2 最小均方估计
7.2.1 最小均方估计的推导
7.2.2 最小均方估计的性质
7.3 最大后验概率估计
7.3.1 标量参数的最大后验概率估计
7.3.2 矢量参数的最大后验概率估计
7.4 信号处理实例——命中概率的贝叶斯估计
7.4.1 问题描述
7.4.2 贝叶斯估计模型
7.4.3 性能分析
习题
第8章 线性最小均方估计
8.1 线性最小均方估计的定义与性质
8.1.1 随机参量的线性最小均方估计
8.1.2 随机矢量的线性最小均方估计
8.1.3 线性最小均方估计的性质
8.2 线性最小均方估计的几何解释
8.2.1 随机矢量空间
8.2.2 基于随机矢量空间的线性最小均方估计
8.3 递推线性最小均方估计
习题
第9章 线性卡尔曼滤波
9.1 卡尔曼滤波概述
9.1.1 卡尔曼滤波的应用框架
9.1.2 波形估计的一般方法
9.1.3 信号模型与观测模型
9.2 卡尔曼滤波算法推导
9.2.1 正交投影法
9.2.2 新息法
9.3 卡尔曼滤波器的特点和计算举例
9.3.1 卡尔曼滤波器的特点
9.3.2 计算举例
9.4 色噪声环境下的卡尔曼滤波器
9.4.1 测量噪声为色噪声
9.4.2 扰动噪声为色噪声
9.5 卡尔曼滤波器的发散及克服发散的方法
9.6 卡尔曼滤波在雷达数据处理中的应用
9.6.1 雷达数据处理概述
9.6.2 目标跟踪的基本方法
9.7 机动目标的跟踪
9.7.1 辛格算法
9.7.2 输入估计算法
9.7.3 变维滤波算法
9.7.4 交互多模算法
9.7.5 算法仿真分析
习题
第10章 非线性滤波
10.1 随机非线性离散系统的数学描述
10.2 线性化卡尔曼滤波
10.3 扩展卡尔曼滤波
10.4 扩展卡尔曼滤波在目标跟踪中的应用
10.4.1 目标状态模型与观测模型