现代数字信号处理I

课程编码：081000M01003H 英文名称：Modern Digital Signal Processing I 课时：60 学分：4.00 课程属性：一级学科核心课 主讲教师：张颢

本课程为电子科学与技术学科研究生的一级学科核心课。随机性的引入是现代数字信号区别于传统数字信号的重要特征。本课程系统介绍了以随机信号处理为核心的现代数字信号处理的主要方法与技术。通过选修本课程，研究生应掌握基本的现代数字信号分析手段，能够根据自身所学专业以及课题的实际背景需求，建立合理的信号模型，选择与设计适当的处理算法，利用仿真语言进行算法的编程实现，并对算法的性能进行理论分析和比较。本课程是进一步学习后续的通信、语音、图像、雷达、导航、生物医学、机器学习等领域高级课程的基础之一。
本课程的主要内容由如下三个方面组成：
基础理论，包括概率论与随机过程基本知识回顾，统计估计的基本概念，以及从信号处理和机器学习两个角度展开的统计误差理论；
线性模型，包括线性模型与最优线性滤波（Wiener滤波），最优滤波的多种实现方式（白化，Kalman滤波，自适应滤波，最小二乘滤波），最优线性滤波的若干新进展（正则化，核化等）
功率谱估计与阵列处理，包括非参数方法，参数化方法，以及滤波器组方法。

概率论、数理统计，随机过程（相关理论、功率谱）

第一章 统计信号处理概论 9学时
第1节 概率论基本知识回顾
第2节 统计基本概念与方法
第3节 Cramer_Rao 下界及其应用
第二章 线性信号处理方法 21学时
第1节 线性估计与正交化
第2节 线性滤波实现——Levinson迭代与前进-后退滤波
第3节 线性滤波示例——Wiener滤波
第4节 线性滤波示例——Kalman滤波
第5节 线性滤波扩展——Kernel方法与 SVM
第6节 线性滤波扩展——正则化
第7节 线性滤波扩展——GLM 与 Logistic模型
第三章 自适应信号处理方法 15学时
第1节 自适应滤波基础——LMS滤波
第2节 自适应滤波中的梯度下降方法
第3节 自适应滤波示例——RLS滤波
第4节 自适应滤波扩展——QRD-RLS滤波
第5节 自适应滤波扩展——BP与神经网络
第四章 功率谱估计方法 9学时
第1节 功率谱估计基本方法——周期图
第2节 功率谱估计现代方法——滤波器组
第3节 功率谱估计现代方法——时间序列模型
第五章 学期小结 3学时
第1节 习题课及往年考题讲评
第六章 考试 3学时
第1节 随堂考试

张颢 副教授 清华大学 研究领域：智能交通系统、交通流理论、阵列信号处理、复杂随机信号分析