现代数字信号处理I

课程编码：180093081000P1001H 英文名称：Modern Digital Signal Processing I 课时：60 学分：3.00 课程属性：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。

概率论、数理统计

第一章 概率统计基础（I） 3学时 张颢
第1节 概率论基本概念
第2节 基本随机变量及分布
第3节 相关与条件期望
第二章 概率统计基础（II） 3学时 张颢
第1节 统计估计基本概念
第2节 统计量的充分性与完备性
第3节 Bias-Variance Tradeoff
第三章 概率统计基础（III） 3学时 张颢
第1节 Cramer-Rao下界的概念与证明
第2节 Cramer-Rao下界的应用
第3节 Cramer-Rao下界的扩展
第四章 线性预测与滤波（I） 3学时 张颢
第1节 线性滤波基本概念
第2节 正交性原理及其应用
第3节 Wiener-Hopf 方程
第五章 线性预测与滤波（II） 3学时 张颢
第1节 Wiener滤波的基本概念
第2节 正交化与新息过程
第3节 因果的Wiener滤波
第六章 线性预测与滤波（III） 3学时 张颢
第1节 信号的宽平稳性与Toeplitz相关阵
第2节 Levinson-Durbin 算法
第3节 前进-后退滤波
第七章 线性预测与滤波（IV） 3学时 张颢
第1节 kalman滤波的基本概念
第2节 Kalman滤波的推导
第3节 Kalman滤波的扩展
第八章 线性预测与滤波（V） 3学时 张颢
第1节 SVM的基本概念
第2节 SVM的推导与Kernel的引入
第3节 Kernel Trick及其应用
第九章 线性预测与滤波（VI） 3学时 张颢
第1节 正则化的基本概念
第2节 常用的正则化方法
第3节 正则化的拓展
第十章 自适应滤波（I） 3学时 张颢
第1节 自适应滤波的基本概念
第2节 自适应滤波的基本应用
第3节 梯度下降初步
第十一章 自适应滤波（II） 3学时 张颢
第1节 LMS 滤波及其收敛性
第2节 LMS 的各类拓展
第3节 LMS 的典型应用
第十二章 自适应滤波（III） 3学时 张颢
第1节 RLS 滤波及其收敛性
第2节 RLS 的典型应用
第3节 RLS 的格型实现
第十三章 自适应滤波（IV） 3学时 张颢
第1节 矩阵QR分解与最小二乘
第2节 QR分解的基本方法
第3节 基于QR分解的RLS滤波
第十四章 自适应滤波（V） 3学时 张颢
第1节 神经网络的基本概念
第2节 BP算法及其应用
第3节 深度神经网络与自适应滤波
第十五章 功率谱估计（I） 3学时 张颢
第1节 功率谱及非参数谱估计的基本概念
第2节 周期图谱估计
第3节 周期图谱估计的各类拓广
第十六章 功率谱估计（II） 3学时 张颢
第1节 参数化谱估计方法的基本概念
第2节 AR 模型与 ARMA 模型
第3节 Burg 算法
第十七章 功率谱估计（III） 3学时 张颢
第1节 基于滤波器组的谱估计方法基本概念
第2节 Slepian谱估计方法
第3节 Capon谱估计方法
第十八章 功率谱估计（IV） 3学时 张颢
第1节 Taper谱估计方法
第2节 最大熵谱估计算法
第3节 功率谱估计方法小结
第十九章 课堂辅导 3学时 张颢
第1节 课堂辅导
第二十章 考试 3学时 张颢
第1节 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