本书对测控技术与仪器专业课程体系的特点进行内容选择并编写,系统地介绍了现代信号处理的基本理论与分析方法。全书共8章，分别介绍了时域离散随机信号分析的理论基础、功率谱估计、小波分析及应用、现代信号滤波技术，包括卡尔曼滤波、自适应滤波及粒子滤波器等。
本书作为教材，努力做到深入浅出、论述清楚。为帮助读者深入理解书中的基本理论和基本分析方法，同时介绍了科学计算应用软件MATLAB，以及与本课程相关的函数和实例等，解决了本课程中各实例计算量大的问题，同时也提高了读者的科学计算能力。
本书可作为理工科大学与信号处理相关专业的硕士研究生学位课或选修课的教材或参考书，而且其内容的广度和深度也适合广大科技工作者自学和进修。

第1章 绪论
1.1 现代信号分析的目的与意义
1.2 信号分析基础
1.2.1 随机矢量正交
1.2.2 内积空间与正交分解
1.2.3 正交投影定理
参考文献
第2章 随机信号分析与处理基础
2.1 引言
2.2 随机信号的描述
2.2.1 随机信号及其统计描述
2.2.2 随机信号的数字特征
2.3 平稳随机信号
2.3.1 随机信号的各态历经性
2.3.2 各态历经平稳随机信号自相关函数的性质
2.4 随机信号的联合概率分布和互相关函数
2.4.1 两个随机信号的联合概率分布
2.4.2 互相关函数及其性质
2.5 正态随机信号
2.5.1 正态随机信号的定义
2.5.2 平稳正态随机信号
2.6 随机信号的分类与频域描述
2.6.1 随机信号的分类
2.6.2 随机信号的频域特征
2.7 随机信号通过线性系统的分析
2.7.1 平稳随机信号通过线性系统
2.7.2 非平稳随机信号通过线性系统
2.7.3 随机信号通过非线性系统
2.8 随机信号模型
2.8.1 谱分解定理与平稳随机信号模型分类
2.8.2 AR模型
2.8.3 MA模型
2.8.4 ARMA模型
2.8.5 平稳随机过程3类模型之间的关系
参考文献
第3章 功率谱估计
3.1 引言
3.2 经典谱估计
3.2.1 自相关函数的估计及BT法
3.2.2 周期图作为功率谱的估计
3.2.3 经典谱估计改进方法
3.3 现代谱估计
3.3.1 自回归模型法
3.3.2 MA模型法和ARMA模型法
3.4 最大熵谱估计法
3.4.1 最大熵谱估计法的基本思想及其与线性预测AR模型法的等价性
3.4.2 LevinsonDurbin递推算法
3.5 预测误差格型滤波器及伯格递推算法
3.5.1 预测误差格型滤波器
3.5.2 Burg递推算法——Kp的确定
3.5.3 关于AR模型阶次的选择
参考文献
第4章 维纳滤波与卡尔曼滤波
4.1 引言
4.2 匹配滤波器
4.2.1 匹配滤波器的原理
4.2.2 匹配滤波器单位冲激响应
4.2.3 匹配滤波器输出
4.3 维纳滤波器
4.3.1 离散维纳滤波器的时域解
4.3.2 离散维纳滤波器的z域解
4.3.3 维纳预测器
4.3.4 维纳预测器的计算公式
4.3.5 纯预测器
4.3.6 一步线性预测器
4.3.7 FIR维纳滤波器的MATLAB仿真
4.4 卡尔曼滤波器
4.4.1 离散状态方程及其解
4.4.2 量测方程
4.4.3 卡尔曼滤波器的递推算法
4.4.4 卡尔曼滤波的MATLAB实现
参考文献
第5章 自适应滤波器
5.1 引言
5.2 自适应横向滤波器
5.2.1 自适应线性组合器和自适应FIR滤波器
5.2.2 性能函数表示式及其几何意义
5.2.3 最陡下降法
5.2.4 最小均方算法
5.3 最小二乘自适应滤波器
5.3.1 最小二乘滤波
5.3.2 递推最小二乘法
5.3.3 自适应滤波器的MATLAB仿真
5.4 自适应滤波器的应用
5.4.1 自适应对消
5.4.2 自适应陷波器
5.4.3 自适应逆滤波
5.4.4 预测及信号分离
参考文献
第6章 小波分析与应用
6.1 短时傅里叶变换
6.2 小波分析
6.2.1 小波分析概念
6.2.2 小波分析与傅里叶变换的区别
6.3 常用小波函数介绍
6.3.1 Haar小波
6.3.2 Daubechies小波
6.3.3 Mexican Hat小波
6.3.4 Morlet小波
6.3.5 Meyer小波
6.4 连续小波变换
6.4.1 定义
6.4.2 连续小波变换的计算
6.4.3 连续小波变换的逆变换
6.4.4 连续小波变换的性质
6.4.5 频率离散化重构原信号（二进小波）
6.4.6 时频离散化重构原信号（框架）
6.4.7 小波级数
6.5 离散小波变换
6.5.1 定义
6.5.2 小波框架理论
6.5.3 离散小波变换的计算
6.5.4 离散小波变换的逆变换与重建核问题
6.6 多分辨率分析与Mallat算法介绍
6.6.1 尺度函数与尺度空间
6.6.2 多分辨率分析概念
6.6.3 多分辨率分析及尺度函数性质
6.6.4 Mallat算法介绍
6.7 小波包分析简介
6.7.1 小波包定义
6.7.2 小波包性质
6.7.3 小波包的空间分解
6.7.4 小波包算法
6.7.5 小波包在图像边缘检测中的应用
6.8 提升小波
6.8.1 提升小波的概念及运算步骤
6.8.2 用提升方法构造传统小波
6.8.3 提升小波在图像处理中的应用
6.9 小波分析在信号分析中的应用
参考文献
第7章 现代信号处理方法简介
7.1 引言
7.2 HHT变换简介及应用
7.2.1 HHT概述
7.2.2 固有模态函数概念
7.2.3 经验模式分解
7.2.4 HHT变换
7.2.5 HHT的应用
7.3 粒子滤波器简介及应用
7.3.1 粒子滤波概述
7.3.2 贝叶斯滤波
7.3.3 粒子滤波理论及示例
7.3.4 粒子滤波器应用
7.4 盲信号分析基础
7