前言

数字信号处理无论在理论上还是在工程应用中，都是发展最快的学科之一，并且其研究范围和应用领域还在不断地发展和扩大。

通过信号处理，往往可以达到以下两个目的。

一、对信号在时域及各种变换域内的特性进行分析，以便对信号有更清楚的认识。相关内容包括各种变换及谱分析等。

二、改善信号的性能。相关内容包括各种滤波，如最优滤波、自适应滤波等。

本书系统地介绍了信号处理的基本理论和方法。全书共7章，具体安排如下。

第1章为信号处理基础，系统介绍离散时间信号与系统的基本概念、性质、特点；介绍随机信号的基础知识，特别是白噪声过程和谐波过程这两种典型的随机过程，以及与随机信号处理相关的定理和方法；介绍估计的质量评价以及常用的数字特征的估计方法。

第2章为随机信号谱估计，系统介绍功率谱估计的方法，包括古典谱估计和现代谱估计；现代谱估计中重点介绍参数模型法谱估计，参数模型法谱估计中重点介绍AR模型法谱估计；简要介绍高阶谱及其估计。

第3章为最优滤波（包括两种常用的最优滤波：维纳滤波、卡尔曼滤波），首先介绍实现维纳滤波的三种结构即FIR维纳滤波器、联合过程估计、IIR维纳滤波器；然后从IIR维纳滤波器引出卡尔曼滤波，并分析维纳滤波与卡尔曼滤波的异同。

第4章为自适应滤波，从最优滤波引出自适应滤波，重点介绍FIR自适应滤波器，简要介绍IIR自适应滤波器以及介于FIR和IIR之间的拉盖尔自适应滤波器；基于FIR自适应滤波器介绍自适应算法，重点介绍最小均方算法和递归最小二乘算法，进行性能分析和仿真比较；介绍自适应滤波器的典型应用。

第5章为多抽样率信号处理与滤波器组，介绍多抽样率信号处理的基础知识，包括抽取与插值，多相分解的概念、性质与应用；介绍滤波器组的基本概念和常用的滤波器组，重点讨论两通道滤波器组；基于两通道滤波器组介绍信号的理想重建和实现方案。

第6章为小波变换，从傅里叶变换和短时傅里叶变换引出小波变换的概念，分析小波变换的性质特点；介绍常用的小波函数、小波反变换、离散小波变换、多分辨率分析和小波变换的快速算法——Mallat算法。

第7章为人工神经网络，简要介绍人工神经网络的工作机制和基本组成；重点介绍信号处理领域常用的三种人工神经网络模型即多层前向神经网络、自组织神经网络、霍普菲尔德神经网络；基于这三种模型，介绍人工神经网络的结构特点、学习算法和典型应用。

与国内出版的同类教材相比，本书具有如下特点。

一、脉络清晰，条理性强。重视课程的顶层设计，按照由上至下的方式组织教学内容；更加注重与先修课程的关系，从学生已掌握的知识引出新内容，突出各知识点之间的关联，理清脉络，增强教学内容的条理性。

二、深入浅出，可读性强。用问题分析配合数学推导，建立物理概念与数学公式的联系，帮助学生理解数学方法所解决的实际问题；同时，配有大量的例题与仿真结果，深入浅出，富有启发性，有利于学生理解其中的理论和算法、巩固所学知识，适合教学与自学。

三、案例丰富，实用性强。结合应用案例介绍相关方法，例如，结合语音信号参数编码介绍参数模型、结合自适应差分脉码调制（ADPCM）介绍线性预测等，将抽象的理论与实际应用相结合，既有利于学生掌握理论，也有利于培养学生解决实际问题的能力，激发学生学习兴趣。

四、内容优化，系统性强。充分吸收、融合本学科国内外优质教学资源，教学内容更加丰富饱满，使学生在有限的学时内更系统、更全面地掌握相关知识和成果，同时也更加符合人工智能时代对该课程的要求。

本书的编写遵从教学规律和认知规律，体现以学生为中心的宗旨，希望本书的出版能够给广大读者带来帮助。

本书参考或引用了一些文献中的思路和例题，在此向有关作者表示感谢！

限于作者水平，书中可能存在不妥之处，欢迎广大读者批评指正。

编者

2020年1月