《现代信号处理》教学大纲
一、课程的性质、教学目的和要求
（一）性质和目的
本课程是信息与信号处理专业的研究生必修课。课程目的在于使研究生熟悉现代信号处理的主要理论和技术，并能将理论应用到数字图像处理和语音信号处理等实际问题中。
（二）课程内容和教学方法
课程主要内容有：功率谱估计的现代方法、维纳滤波、Kalman滤波、自适应滤波和小波变换。本课程提倡理论联系实际，在教学过程中多引入信号处理实例，结合理论，进行语音、图象等信号的去噪以及压缩等基于Matlab的编程实践。
本课程以多媒体授课为主，结合上机实验和课堂讨论。
（三）教学安排
本课程3个学分，周学时为3，共51个学时。
二、课程内容与学时分配
第1章  随机信号（3学时）
本章主要目的是回顾本课程中将涉及的随机信号基础知识和概念。
1.1 随机过程
1.2 相关函数、协方差函数与功率谱密度
1.3 两个随机信号的比较与识别
1.4 信号变换
1.5 具有随机输入的线性系统
第2章  参数估计理论（3学时）
现代信号处理中经常用到参数化模型，因此参数估计是本课程涉及的常见问题，本章系统介绍了参数估计的一般理论。
2.1 估计子的性能
2.2 Fisher信息与Cramer-Rao不等式
2.3 Bayes估计
2.4 最大似然估计
2.5 线性均方估计
2.6 最小二乘估计
第3章  现代谱估计（9学时）
功率谱估计应用广泛，以傅立叶变换为基础的经典谱估计方法，虽然具有计算效率高的优点，但却有着频率分辨率低和旁瓣泄漏严重的固有缺点。本章重点介绍现代谱估计中的参数模型方法，同时也介绍了基于特征子空间的方法。
3.1 从经典谱估计到现代谱估计
3.2 谱估计的参数模型方法
3.3 AR模型谱估计
3.4 ARMA模型谱估计
3.5 白噪声中正弦波频率的估计
Matlab实验： 语音LPC编码、图像逆滤波（3学时）
第4章    自适应滤波器（12学时）
当信号和噪声的统计性能已知的情况下，可以用Wiener滤波器和Kalman滤波器，从带噪声（加性的背景噪声）的观测数据估计随机信号的真值。Wiener滤波器的参数是固定的，适用于平稳随机信号；Kalman滤波器参数是时变的，适用于非平稳随机信号。当信号和噪声的统计性能无先验知识时，自适应滤波器能提供良好的滤波性能。所谓自适应滤波就是利用前一时刻已获得的滤波器参数和结果，自动地调节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。本章重点介绍了两种线性FIR自适应滤波器：LMS滤波器和RLS滤波器。
4.1  连续时间Wiener滤波器
4.2  最优滤波理论与Wiener滤波器
4.3  Kalman滤波
4.4  LMS类自适应算法
4.5  RLS自适应算法
Matlab实验：图像复原、自适应回波消除（3学时）
第5章    时频信号分析——线性变换（12学时）
非平稳信号的统计特性是随时间变化的，对非平稳信号的局部性能的分析必须依靠信号的局部变换。时域和频域的二维联合表示能反映信号的局部性能。本章介绍时频信号分析的线性变换方法，重点为小波分析。小波分析具有强的工程背景，如计算机视觉和图像处理中的多分辨率技术，语音和图像压缩中的子带编码技术，数字通信中的正交镜像滤波器组技术等，小波分析理论为这些技术建立了统一的理论框架，从而成为现代信号处理的重要组成部分。
6.1 时频定位概念
6.2  连续小波变换
6.3  离散小波变换
6.4  多分辨分析与正交小波变换
6.5  标准正交小波基的构造
6.6  正交滤波器组与双正交滤波器组
6.7  正交小波变换的快速算法（Mallat算法）
6.7  小波包
Matlab实验：小波图像去噪、小波图象压缩（3学时）
总复习 （3学时）
教材和参考书目：
（一）教材
张贤达，现代信号处理，清华大学出版社，2002年第2版。
（二）参考书
1.         姚天任，孙洪，现代数字信号处理，华中理工大学出版社，1999；
2.         沈凤麟，叶中付，钱玉美，信号统计分析与处理，中国科技大学出版社，2001；
3.         Simon Haykin, Adaptive Filter Theory（自适应滤波器原理），电子工业出版社，1998；
4.         杨福生，小波变换的工程分析与应用，科学出版社，2000。www.kaoyantj.com考研共济网