Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

现代信号处理

Go to class Write review

Boot.dev

The Most Addictive Python and SQL Courses

DataCamp

PowerBI Data Analyst - Create visualizations and dashboards from scratch

Overview

Google, IBM & Meta Certificates – 40% Off

One Coursera Plus subscription covers most Professional Certificates on Coursera.

Unlock All Certificates

《现代信号处理》是连接理论与工程应用的关键桥梁，是应对非平稳、非高斯信号的必备工具。本在线课程系统涵盖七大核心模块：典型算法、功率谱估计、最优滤波、自适应滤波器、多采样率信号处理、小波变换及压缩感知，帮助学习者突破传统傅里叶分析的局限，掌握从随机信号建模到稀疏表示的系统性方法。

Syllabus

第一章信号处理典型算法

1.1 全通系统
1.2 最小相位系统
1.3 全通系统和最小相位系统的MATLAB实现
1.4 谱分解及其MATLAB实现
1.5 逆系统、反卷积及系统辨识
1.6 同态滤波及复倒谱
1.7 奇异值分解及其MATLAB实现

第二章功率谱估计

2.1 引言
2.2 古典谱估计
2.3 模型参数法谱估计（一）自相关法
2.4模型参数法谱估计（二）莱文森-杜宾算法.pdf
2.5模型参数法谱估计（三）Burg算法
2.6模型参数法谱估计（四）协方差法
2.7 基于谐波模型的频率估计

第三章最优滤波

3.1 最优滤波-1维纳滤波
3.2 最优滤波-2卡尔曼滤波器.pdf
3.3 最优滤波的应用

第四章自适应滤波器

4.1 自适应滤波器的均方误差.pdf
4.2LMS滤波器
4.3 RLS滤波器
4.4自适应滤波器的应用

第五章多采样率信号处理

5.1 多采样率信号处理
5.2 整数倍抽取
5.3 整数倍内插
5.4 分数倍抽样率变换
5.5 多采样率系统实现结构的等效关系
5.6 多采样率系统的多相分解
5.7 多采样率系统的多相实现
5.8 半带滤波器
5.9 滤波器组和两通道滤波器组的基本概念
5.10 两通道正交镜像滤波器组
5.11 两通道FIR正交镜像滤波器组
5.12 多采样率信号处理的应用

第六章小波分析

6.1 傅里叶变换的局限性
6.2 短时傅里叶变换.
6.3 典型的小波函数
6.4 连续小波变换及其性质
6.5 离散小波变换
6.6 离散小波变换的多分辨率分析（一）
6.7 离散小波变换的多分辨率分析（二）
6.8 离散小波变换的多分辨率分析（三）
6.9 利用滤波器组实现离散小波变换—Mallat算法
6.10 利用滤波器组实现离散小波变换的matlab实现
6.11 小波变换的应用

第七章压缩感知

7.1 引言
7.2 压缩感知基本概念
7.3 信号的稀疏表示
7.4 测量矩阵的构造
7.5 稀疏信号恢复算法
7.6 压缩感知的应用

期末考试

Taught by

China University of Mining and Technology

Reviews

Start your review of 现代信号处理