本教材系统地讲述了信号分析与处理的基本原理与方法，重点介绍了确定性信号和随机信号的分析方法，主要讲述了信号处理中常用的模拟滤波器和数字滤波器的基本概念与设计方法，并且介绍了自适应滤波和当前流行的小波分析等现代信号分析与处理的基本内容。全书共8章：绪论、连续时间信号分析、离散时间信号分析、模拟滤波器、数字滤波器、随机信号分析、自适应滤波和时频分析与小波变换。本教材可作为自动化、测控技术与仪器、电气工程及其自动化等非电子信息类本科专业的教材，也可作为相关专业的学生与工程技术人员的参考书。
赵子健，副教授，硕士生导师。 2009至2010年在芬兰奥卢大学从事博士后研究，2010至2012年在法国约瑟夫傅立叶大学TIMC-IMAG研究院担任二级科研工程师。主要从事信号处理、机器视觉、机器人辅助外科手术等方面的教学和科研工作。
目 录
第1章 绪论\t1
1．1 信号概述\t1
1．2 信号的表示\t2
1．3 信号的分类\t2
1．4 信号分析与处理\t4
第2章 连续时间信号分析\t6
2．1 连续时间信号的时域分析\t6
2．1．1 基本的连续时间信号\t6
2．1．2 连续时间信号的运算\t11
2．1．3 连续时间信号的分解\t13
2．1．4 连续时间信号的时域分析方法――卷积法\t15
2．2 周期信号的频谱分析\t18
2．2．1 正交函数\t19
2．2．2 傅里叶级数\t23
2．2．3 典型周期信号的傅里叶级数\t27
2．2．4 吉布斯现象\t31
2．3 非周期信号的频谱分析\t35
2．3．1 傅里叶变换\t35
2．3．2 典型非周期信号的频谱\t37
2．3．3 傅里叶变换的性质\t41
2．3．4 周期信号的傅里叶变换\t55
2．4 抽样信号的傅里叶分析\t58
2．4．1 时域抽样\t58
2．4．2 抽样定理\t61
小结\t63
2．5 习题\t63
第3章 离散时间信号分析\t67
3．1 离散时间信号\t67
3．1．1 离散时间信号（序列）\t67
3．1．2 序列的运算\t68
3．1．3 基本序列\t71
3．2 序列的z变换\t73
3．2．1 z变换的定义\t73
3．2．2 z变换的收敛域\t73
3．3 序列的频谱分析――离散时间傅里叶变换（DTFT）\t76
3．3．1 定义\t76
3．3．2 物理意义\t77
3．3．3 特点\t77
3．3．4 离散时间傅里叶变换（DTFT）存在的条件\t79
3．4 周期序列的频谱分析――离散傅里叶级数（DFS）\t80
3．4．1 傅里叶变换在时域和频域中的对称规律\t80
3．4．2 离散傅里叶级数（DFS）\t81
3．5 离散傅里叶变换（DFT）\t83
3．5．1 离散傅里叶变换（DFT）的定义式\t83
3．5．2 离散傅里叶变换（DFT）与离散时间傅里叶变换（DTFT）的关系\t86
3．5．3 离散傅里叶变换（DFT）的性质\t89
3．6 快速傅里叶变换（FFT）\t97
3．6．1 直接按离散傅里叶变换（DFT）运算的问题及其改进思路\t97
3．6．2 基2按时间抽取的快速傅里叶变换（FFT）算法（时析型）\t99
3．7 离散傅里叶变换（DFT）的应用\t106
3．7．1 用快速傅里叶变换（FFT）实现快速卷积\t106
3．7．2 用离散傅里叶变换（DFT）逼近连续信号的频谱\t110
3．7．3 二维离散傅里叶变换（2D-DFT）\t115
小结\t116
3．8 习题\t116
第4章 模拟滤波器\t119
4．1 模拟滤波器的基本概念及设计方法\t119
4．1．1 模拟滤波器的基本概念\t119
4．1．2 无失真传输\t119
4．1．3 滤波器的理想特性与实际特性\t121
4．1．4 模拟滤波器的一般设计方法\t123
4．2 模拟滤波器的设计\t125
4．2．1 Butterworth（巴特沃思）滤波器（最平响应特性滤波器）的设计\t125
4．2．2 Chebyshev（切比雪夫）滤波器（通带等波纹滤波器）的设计\t131
4．2．3 频率变换\t141
小结\t147
4．3 习题\t147
第5章 数字滤波器\t148
5．1 数字滤波器的基本概念\t148
5．2 IIR数字滤波器的设计\t151
5．2．1 引言\t151
5．2．2 冲激响应不变法\t152
5．2．3 双线性变换法\t157
5．2．4 其他类型（高通、带通、带阻）IIR数字滤波器的设计\t161
5．3 FIR数字滤波器的设计\t162
5．3．1 线性相位FIR数字滤波器的特点\t162
5．3．2 窗函数法设计FIR数字滤波器\t171
5．3．3 频率抽样法设计FIR数字滤波器\t181
5．3．4 IIR数字滤波器与FIR数字滤波器的比较\t185
5．4 数字滤波器的结构\t186
5．4．1 数字滤波器结构的表示方法\t186
5．4．2 IIR数字滤波器的结构\t187
5．4．3 FIR数字滤波器的结构\t189
小结\t194
5．5 习题\t194
第6章 随机信号分析\t196
6．1 随机信号的时域分析\t196
6．1．1 随机过程的基本概念\t196
6．1．2 随机过程的统计描述\t198
6．1．3 随机过程的微积分\t200
6．1．4 平稳随机过程\t201
6．1．5 各态历经性\t203
6．1．6 平稳随机过程相关函数的性质\t204
6．1．7 离散随机过程的数字特征及其估计\t205
6．1．8 高斯随机过程\t208
6．2 随机信号的频域分析\t209
6．2．1 随机过程的谱密度\t209
6．2．2 白噪声\t212
6．2．3 功率谱估计\t214
6．3 平稳随机信号通过线性系统的分析\t216
6．3．1 平稳随机信号通过线性连续系统的分析\t217
6．3．2 平稳随机序列通过线性离散系统的分析\t219
6．3．3 多个随机信号通过线性系统的分析\t220
小结\t221
6．4 习题\t221
第7章 自适应滤波\t223
7．1 最优波形估计\t223
7．1．1 最优波形估计概述\t223
7．1．2 投影定理\t225
7．1．3 线性最优滤波\t226
7．2 Wiener（维纳）滤波\t227
7．2．1 Wiener（维纳）滤波与Wiener-Hopf（维纳-霍普夫）方程\t227
7．2．2 FIR Wiener（维纳）滤波器\t228
7．3 Kalman（卡尔曼）滤波\t229
7．3．1 状态估计与Kalman（卡尔曼）滤波\t229
7．3．2 Kalman（卡尔曼）滤波递推算法\t229
7．4 自适应滤波器的原理\t233
7．4．1 自适应滤波器的基本概念\t233
7．4．2 均方误差与下降算法\t234
7．5 最小均方（LMS）自适应算法\t235
7．5．1 最速下降与最小均方（LMS）算法\t235
7．5．2 归一化最小均方（LMS）算法\t238
7．5．3 分块最小均方（LMS）算法\t240
7．6 递推最小二乘（RLS）自适应算法\t240
7．6．1 最小二乘法\t240
7．6．2 递推最小二乘（RLS）算法\t241
小结\t245
7．7 习题\t245
第8章 时频分析与小波变换\t247
8．1 时频分析\t247
8．1．1 时频分析概述\t247
8．1．2 短时傅里叶变换（STFT）\t249
8．1．3 Wigner-Ville（维格纳-维尔）分布\t252
8．2 小波变换\t255
8．2．1 空间与基的概念\t255
8．2．2 连续小波变换\t258
8．2．3 离散小波变换\t264
8．2．4 多分辨率分析\t267
8．2．5 小波变换的应用\t271
小结\t277
8．3 习题\t277
附录A MATLAB信号处理常用函数表\t278
参考文献\t282
书单推荐
