- 本课程为精品课,您可以登录eeworld继续观看:
- 最小距离接收机
- 继续观看
课时1:定义与分类
课时2:概率分布与概率密度-分布的定义
课时3:概率分布与概率密度-计算举例
课时4:数字特征-数字特征的定义
课时5:数字特征-计算举例
课时6:平稳随机过程-各态历经过程
课时7:平稳随机过程-相关函数的性质
课时8:平稳随机过程-平稳的定义
课时9:功率谱-随机序列的功率谱
课时10:功率谱-连续时间随机过程功率谱
课时11:典型随机过程
课时12:海杂波特性分析
课时13:变换的概念与定理
课时14:随机过程通过线性系统分析-冲激响应法
课时15:随机过程通过线性系统分析-频谱法
课时16:随机过程通过线性系统分析-计算举例
课时17:随机序列通过离散线性系统分析-常用时间序列模型
课时18:随机序列过离散线性系统分析-两种分析方法
课时19:信噪比最大的最佳线性滤波器
课时20:匹配滤波器-定义与性质
课时21:匹配滤波器-计算举例
课时22:信号处理实例-线性调频信号的匹配滤波
课时23:估计理论概述-估计问题的统计模型
课时24:估计理论概述-估计的基本方法
课时25:估计理论概述-估计量的性能评估
课时26:参数估计的CRLB-CRLB定理
课时27:参数估计的CRLB-CRLB计算实例
课时28:高斯白噪声中信号参数的CRLB
课时29:估计性能的蒙特卡洛仿真
课时30:最大似然估计
课时31:最大似然估计的渐近特性
课时32:时延估计
课时33:贝叶斯估计的一般概念-先验信息与估计
课时34:贝叶斯估计的一般概念-后验分布与估计
课时35:最小均方估计的推导
课时36:最小均方估计的性质
课时37:最小均方估计计算实例
课时38:最大后验概率估计
课时39:命中概率的贝叶斯估计
课时40:线性最小均方估计的原理
课时41:线性最小均方估计的性质
课时42:线性最小均方估计计算举例
课时43:基于随机矢量空间的线性最小均方估计
课时44:线性最小均方估计的几何解释-计算举例
课时45:递推线性最小均方估计(1)
课时46:递推线性最小均方估计(2)
课时47:卡尔曼滤波概述
课时48:正交投影的定义及性质
课时49:卡尔曼滤波算法推导
课时50:计算举例
课时51:应用中的若干问题-色噪声中的卡尔曼滤波
课时52:应用中的若干问题-滤波发散问题
课时53:卡尔曼滤波应用实例-目标跟踪
课时54:扩展卡尔曼滤波模型和算法推导
课时55:扩展卡尔曼滤波计算举例
课时56:扩展卡尔曼滤波应用实例-目标跟踪
课时57:信号检测的基本概念
课时58:贝叶斯准则
课时59:奈曼-皮尔逊准则
课时60:检测性能分析-检测性能分析
课时61:多元假设检验-多元假设检验
课时62:复合假设检验的基本概念
课时63:广义似然比检验计算
课时64:局部最大势检验
课时65:匹配滤波器
课时66:匹配滤波器性能分析
课时67:广义匹配滤波器
课时68:广义匹配滤波器性能分析
课时69:一般线性模型的匹配滤波
课时70:最小距离接收机
课时71:未知参量的确定性信号检测
课时72:正弦信号检测
课时73:随机信号的相关检测
课时74:一般高斯信号的检测
课时75:雷达对Swerling起伏目标检测性能分析
课时76:未知参量的随机信号检测
课时77:未知参量确定性信号的线性模型检测
课时78:随机信号的线性模型检测
课时79:噪声参量未知时的信号检测
课时80:非高斯噪声中的信号检测
课时81:信号处理实例-辐射源个体目标识别
课程介绍共计81课时,16小时19分17秒