《通信中盲信號處理理論與技術(套裝共2冊)》全面介紹了經典的盲信號處理技術基礎，以及盲信號處理的最新理論和技術，具體包括：盲信噪比估計和盲信道均衡技術，盲信號參數分析、系統分析和網路分析等盲信號分析技術；低截獲機率信號和隱藏信號盲檢測技術，各種條件下的盲信源分離理論和技術，基於信號結構和數據壓縮的盲信源恢復技術，基於信號特徵和不平衡類別的盲信息辨識技術等。
基本介紹
- 中文名：通信中盲信號處理理論與技術
- 外文名：Theory and Technology on Blind Signal Processing of Communication
- 作者：鄭輝
- 出版日期：2013年4月1日
- 語種：簡體中文
- 定價：186.00
- ：
- 出版社：國防工業出版社
- 頁數：731頁
- 開本：16
- 品牌：國防工業出版社
內容簡介,圖書目錄,
內容簡介
《通信中盲信號處理理論與技術(套裝共2冊)》適合從事盲信號處理方向的研究生、工程師、學者閱讀參考。
圖書目錄
《通信中盲信號處理理論與技術（上冊）》目錄：
第一篇概述
第1章通信中盲信號處理概述
1.1通信中盲信號處理的基本概念
1.2通信中盲信號處理準則與基本方法
1.2.1盲信號處理準則
1.2.2基於統計量的信號先驗背景知識
1.2.3基於最大似然方法的代價函式
1.2.4基於自適應處理技術的運算方法
1.3通信中盲信號處理的技術體系
1.3.1盲信道估計
1.3.2盲信號分析
1.3.3盲信號檢測
1.3.4盲信源分離
1.3.5盲信源恢復
1.3.6盲信息辨識
1.4本書的主要內容及結構組成
第二篇盲信道估計
第2章盲信噪比估計技術
2.1盲信噪比估計的概述
2.2信噪比估計的克拉米羅下限
2.2.1 用於MPSK信號信噪比估計的克拉米羅下限
2.2.2 QAM信號信噪比估計的克拉米羅下限
2.3基於最大似然的盲信噪比估計
2.3.1 MPSK信號的最大似然信噪比估計
2.3.2一種針對MPSK信號的ML盲信噪比估計算法
2.3.3 與前向糾錯結合的判決指向信噪比估計算法
2.3.4對QAM信號的最大似然（ML）信噪比估計
2.3.5其他的最大似然信噪比估計算法
2.4基於統計量的盲信噪比估計
2.4.1 對QPSK信號基於二階統計量的盲信噪比估計
2.4.2對QAM信號基於二階統計量的盲信噪比估計
2.5基於子空間分解的盲信噪比估計
2.5.1 基於過採樣的多信道模型子空間分解盲信噪比估計
2.5.2實驗仿真與分析
2.6小結
第3章盲信道均衡技術
3.1盲信道均衡概述
3.1.1均衡準則
3.1.2條件均值估計器
3.1.3盲信道均衡的分類
3.2基於梯度下降的盲均衡技術
3.2.1梯度下降算法
3.2.2 Sato算法
3.2.3常模算法（Godard算法）
3.2.4多判決算法（MDA算法）
3.2.5 Benveniste—Goursat算法
3.2.6 stop—and—g0算法
3.3基於高階統計量的盲均衡技術
3.3.1三階倒譜均衡算法
3.3.2超指數算法
3.3.3特徵向量法
3.3.4一階隨機近似調整
3.4基於循環平穩統計量的盲均衡技術
3.4.1調製輸入的循環平穩性
3.4.2譜分集
3.4.3基於CS的算法的綜述
3.5短時突發信號的盲均衡技術
3.5.1 短時突發信號的數據重用方法
3.5.2基於數據重用的常模算法
3.5.3短時信號數據重用常模算法分析
3.5.4基於數據重用的Bussgang類短時信號盲均衡方法
3.6基於子帶分割的寬頻信號盲均衡技術
3.6.1 子帶均衡技術的基本原理及發展現狀
3.6.2子帶均衡中的子帶劃分方法
3.6.3子帶均衡並行結構及其權值疊代方法
3.6.4子帶均衡並行結構誤差來源分析及其改進
3.6.5 實驗與性能分析
參考文獻
第三篇盲信號分析技術
第4章盲信號參數分析技術
4.1盲信號參數分析概述
4.2盲調製參數分析技術
4.2.1 盲調製類型識別技術
4.2.2盲調製參數分析技術
4.3盲信道編碼參數分析技術
4.3.1 編碼序列的最小不均勻度與全排列技術
4.3.2編碼序列的全排列距離統計方法
4.4盲信道編碼參數容錯分析技術
4.4.1 信道編碼容錯求解問題的描述和數學基礎
4.4.2 Grobner基理論用於卷積碼的盲編碼參數分析
第5章盲信號系統分析技術
5.1盲信號系統分析概述
5.1.1 線性參數模型的類型
5.1.2盲信號系統分析的套用
5.2滑動平均模型（MA）盲系統分析技術
5.2.1 MA濾波器和高階統計
5.2.2二、三、四階方法（MN96）
5.2.3仿真與結果
5.2.4結論
5.3 自回歸滑動平均模型（ARMA）盲系統分析技術
5.3.1 ARMA濾波器和高階統計
5.3.2殘餘時間序列（RTS）方法
5.3.3 q—slice方法
5.3.4雙c（q，k）方法
5.3.5衝激回響方法
5.3.6 ARMA系統分析方法
5.3.7仿真與結果
5.3.8結論
第6章盲信號網路分析技術
6.1盲信號網路分析概述
6.2盲網路拓撲分析技術
6.2.1 分層網路拓撲分析
6.2.2物理網路拓撲分析
6.2.3業務網路拓撲分析
6.2.4網路組織拓撲分析
6.3盲網路協定分析技術
6.3.1鏈路協定分析技術
6.3.2網路協定分析技術
6.4盲網路數據流分析技術
6.4.1 基於數據流測量的網路終端分析技術
6.4.2基於數據流時間序列的網頁分析技術
參考文獻
《通信中盲信號處理理論與技術（下冊）》目錄：
第四篇盲信號檢測技術
第7章盲突發信號檢測技術
7.1盲突發信號檢測概述
7.2盲突發信號檢測技術
7.2.1 盲突發信號能量檢測方法
7.2.2基於多分辨分析的盲突發信號檢測
7.2.3盲突發信號參數檢測
7.3盲跳頻信號檢測
7.3.1 盲跳頻信號檢測的一般方法
7.3.2單序列盲跳頻信號檢測算法
7.3.3 多序列盲跳頻信號檢測算法
第8章盲隱藏信號檢測技術
8.1盲隱藏信號檢測概述
8.2盲擴頻信號檢測
8.2.1 直接序列擴頻信號的低檢測性特點
8.2.2盲擴頻信號檢測技術
8.3盲混合信號檢測
8.3.1 盲對稱混合信號檢測
8.3.2基於累積量和似然特徵結合的盲對稱混合信號檢測
8.3.3 基於累積量和譜線特徵結合的盲對稱混合信號檢測
8.3.4基於信噪比估計的盲非對稱混合信號檢測
8.3.5基於時頻域特徵結合的盲非對稱混合信號檢測
參考文獻
第五篇 盲信源分離技術
第9章正定條件下混合信號盲源分離技術
9.1正定條件下混合信號盲源分離概述
9.1.1 混合信號盲源分離的模型與定義
9.1.2正定條件下混合信號盲源分離的套用
9.2正定條件下混合信源數估計
9.2.1矩陣分解法
9.2.2基於資訊理論準則的算法
9.2.3 基於蓋爾圓準則的算法
9.3獨立性準則
9.3.1 互信息最小化準則（MMI）
9.3.2信息最大化準則（Infomax）
9.3.3非高斯最大化準則
9.4正定條件下盲源分離算法
9.4.1聯合對角化算法（JADE）
9.4.2信息最大化算法（Infomax）
9.4.3等變自適應分解算法（EASI）
9.4.4 固定點算法（FastlCA）
9.5小結
第10章欠定條件下混合信號盲源分離技術
10.1欠定條件下混合信號盲源分離概述
10.2欠定條件下混合信源數估計
10.2.1 基於稀疏性的方法
10.2.2基於空間虛擬延遲抽頭的方法
10.2.3基於高階累積量的方法
10.3典型欠定條件下盲源分離算法
10.3.1 基於比率矩陣聚類的欠定盲源分離算法
10.3.2基於檢索平均的欠定盲源分離算法
10.4小結
第11章單通道混合信號盲源分離技術
11.1單通道混合信號盲源分離概述
11.1.1 單通道盲源分離的模型與定義
11.1.2 單通道盲源分離的理論解釋
11.2單通道盲源分離的性能界
11.2.1 符號估計的性能界——聯合界
11.2.2參數估計的性能界——克拉美羅界
11.2.3參數對分離性能的影響
11.3基於粒子濾波的混合信號盲分離
11.3.1 粒子濾波算法的基本原理
11.3.2相同符號速率下的盲分離
11.3.3 不同符號速率下的盲分離
11.3.4用過採樣提高盲分離性能
1 1.4基於PSP的混合信號盲分離
11.4.1 PSP算法的基本原理
11.4.2 PSP用於混合信號盲分離
11.4.3 PSP盲分離的軟輸出計算
11.4.4 自適應減少留存路徑數的PSP盲分離
11.4.5能提供軟輸出的減路徑盲分離
11.5小結
參考文獻
第六篇盲信源恢復技術
第12章基於信號結構的盲信源恢復技術
12.1基於信號結構的盲信源恢復技術概述
12.2基於群路信號結構的盲源恢復技術
12.2.1誤碼對群路信號的影響
12.2.2基於群路信號幀結構的盲信源恢復
12.3基於IP信號結構的盲信源恢復技術
12.3.1 基於IPv4協定結構的盲信源恢復模型
12.3.2基於IPv4協定結構的盲信源恢復技術
12.4基於編碼信號結構的盲信源恢復技術
12.4.1 結合HDLC幀結構的盲信源恢復技術
12.4.2結合擾碼結構的盲信源恢復技術
第13章壓縮數據的盲信源恢復技術
13.1壓縮數據的盲信源恢復概述
13.1.1 壓縮數據的盲信源恢復技術背景
13.1.2數據壓縮方法簡述
13.2壓縮信源可容錯性分析
13.2.1 壓縮數據可容錯的直觀理解
13.2.2壓縮數據可容錯的熵估計
13.2.3壓縮信源可容錯性的實驗結果與分析
13.3壓縮信源中的誤碼傳播分析
13.3.1 LZ77算法編解碼基本方法
13.3.2 LZ77算法誤碼傳播分析
13.3.3 實驗結果與討論
13.4基於特徵和內容聯合容錯的盲信源恢復技術
13.4.1基於特徵和內容聯合容錯算法概述
13.4.2基於特徵的容錯解碼算法
13.4.3前向容錯解碼算法
13.4.4反饋容錯解碼算法
13.4.5 實驗與結果分析
參考文獻
第七篇盲信息辨識技術
第14章盲信號特徵辨識技術
14.1盲信號特徵辨識技術概述
14.2信號指紋特徵產生機理
14.2.1 輻射源信號指紋的來源
14.2.2正交調製誤差
14.2.3 頻率源的相位噪聲
14.2.4功放的非線性誤差
14.2.5 瞬態回響
14.2.6發射通路等效濾波器
14.2.7其他發射機非理想特性
14.3輻射源指紋特徵提取技術
14.3.1指紋特徵的一般性要求
14.3.2基於機器學習的特徵提取
14.3.3基於參數估計的特徵提取
14.3.4基於域變換的特徵提取
14.3.5信號指紋特徵提取技術小結
14.4模式識別分類器技術
14.4.1 K最近鄰分類器
14.4.2機率神經網路分類器
14.4.3支持向量機
14.5信號特徵的盲信息辨識的實驗與分析
14.5.1 實驗條件與方法
14.5.2 實驗結果統計與分析
14.5.3 實驗結論
第15章不平衡類別的盲信息辨識
15.1不平衡類別盲信息辨識概述
15.2不平衡類別的支持向量機
15.2.1 支持向量機原理與套用
15.2.2 SVM套用於不平衡類別的問題
15.2.3反類野點抑制的支持向量機
15.2.4實驗結果
15.3不平衡類別的單邊抽樣Bagging算法
15.3.1 綜合學習算法介紹
15.3.2 不平衡類別對AdaBoost綜合學習算法的影響
15.3.3 不平衡類別學習的關鍵結論
15.3.4單邊Bagging
15.3.5 SSBagging的性能分析
15.4用屬性Bagging增強kNN的性能
15.4.1 ABagging kNN
15.4.2 ABagging kNN的性能分析
15.5可信度投票法及CAB算法
15.5.1基於可信度的投票法
15.5.2 CAB算法
15.5.3 CAB算法性能分析
15.6基於單邊抽樣和可信度投票的屬性Bagging
15.6.1 SSCAB
15.6.2 SSCAB的性能分析
附錄A定理15.3.1的證明
附錄B定理15.3.2的證明
附錄C引理15.5.1的證明
參考文獻
第一篇概述
第1章通信中盲信號處理概述
1.1通信中盲信號處理的基本概念
1.2通信中盲信號處理準則與基本方法
1.2.1盲信號處理準則
1.2.2基於統計量的信號先驗背景知識
1.2.3基於最大似然方法的代價函式
1.2.4基於自適應處理技術的運算方法
1.3通信中盲信號處理的技術體系
1.3.1盲信道估計
1.3.2盲信號分析
1.3.3盲信號檢測
1.3.4盲信源分離
1.3.5盲信源恢復
1.3.6盲信息辨識
1.4本書的主要內容及結構組成
第二篇盲信道估計
第2章盲信噪比估計技術
2.1盲信噪比估計的概述
2.2信噪比估計的克拉米羅下限
2.2.1 用於MPSK信號信噪比估計的克拉米羅下限
2.2.2 QAM信號信噪比估計的克拉米羅下限
2.3基於最大似然的盲信噪比估計
2.3.1 MPSK信號的最大似然信噪比估計
2.3.2一種針對MPSK信號的ML盲信噪比估計算法
2.3.3 與前向糾錯結合的判決指向信噪比估計算法
2.3.4對QAM信號的最大似然（ML）信噪比估計
2.3.5其他的最大似然信噪比估計算法
2.4基於統計量的盲信噪比估計
2.4.1 對QPSK信號基於二階統計量的盲信噪比估計
2.4.2對QAM信號基於二階統計量的盲信噪比估計
2.5基於子空間分解的盲信噪比估計
2.5.1 基於過採樣的多信道模型子空間分解盲信噪比估計
2.5.2實驗仿真與分析
2.6小結
第3章盲信道均衡技術
3.1盲信道均衡概述
3.1.1均衡準則
3.1.2條件均值估計器
3.1.3盲信道均衡的分類
3.2基於梯度下降的盲均衡技術
3.2.1梯度下降算法
3.2.2 Sato算法
3.2.3常模算法（Godard算法）
3.2.4多判決算法（MDA算法）
3.2.5 Benveniste—Goursat算法
3.2.6 stop—and—g0算法
3.3基於高階統計量的盲均衡技術
3.3.1三階倒譜均衡算法
3.3.2超指數算法
3.3.3特徵向量法
3.3.4一階隨機近似調整
3.4基於循環平穩統計量的盲均衡技術
3.4.1調製輸入的循環平穩性
3.4.2譜分集
3.4.3基於CS的算法的綜述
3.5短時突發信號的盲均衡技術
3.5.1 短時突發信號的數據重用方法
3.5.2基於數據重用的常模算法
3.5.3短時信號數據重用常模算法分析
3.5.4基於數據重用的Bussgang類短時信號盲均衡方法
3.6基於子帶分割的寬頻信號盲均衡技術
3.6.1 子帶均衡技術的基本原理及發展現狀
3.6.2子帶均衡中的子帶劃分方法
3.6.3子帶均衡並行結構及其權值疊代方法
3.6.4子帶均衡並行結構誤差來源分析及其改進
3.6.5 實驗與性能分析
參考文獻
第三篇盲信號分析技術
第4章盲信號參數分析技術
4.1盲信號參數分析概述
4.2盲調製參數分析技術
4.2.1 盲調製類型識別技術
4.2.2盲調製參數分析技術
4.3盲信道編碼參數分析技術
4.3.1 編碼序列的最小不均勻度與全排列技術
4.3.2編碼序列的全排列距離統計方法
4.4盲信道編碼參數容錯分析技術
4.4.1 信道編碼容錯求解問題的描述和數學基礎
4.4.2 Grobner基理論用於卷積碼的盲編碼參數分析
第5章盲信號系統分析技術
5.1盲信號系統分析概述
5.1.1 線性參數模型的類型
5.1.2盲信號系統分析的套用
5.2滑動平均模型（MA）盲系統分析技術
5.2.1 MA濾波器和高階統計
5.2.2二、三、四階方法（MN96）
5.2.3仿真與結果
5.2.4結論
5.3 自回歸滑動平均模型（ARMA）盲系統分析技術
5.3.1 ARMA濾波器和高階統計
5.3.2殘餘時間序列（RTS）方法
5.3.3 q—slice方法
5.3.4雙c（q，k）方法
5.3.5衝激回響方法
5.3.6 ARMA系統分析方法
5.3.7仿真與結果
5.3.8結論
第6章盲信號網路分析技術
6.1盲信號網路分析概述
6.2盲網路拓撲分析技術
6.2.1 分層網路拓撲分析
6.2.2物理網路拓撲分析
6.2.3業務網路拓撲分析
6.2.4網路組織拓撲分析
6.3盲網路協定分析技術
6.3.1鏈路協定分析技術
6.3.2網路協定分析技術
6.4盲網路數據流分析技術
6.4.1 基於數據流測量的網路終端分析技術
6.4.2基於數據流時間序列的網頁分析技術
參考文獻
《通信中盲信號處理理論與技術（下冊）》目錄：
第四篇盲信號檢測技術
第7章盲突發信號檢測技術
7.1盲突發信號檢測概述
7.2盲突發信號檢測技術
7.2.1 盲突發信號能量檢測方法
7.2.2基於多分辨分析的盲突發信號檢測
7.2.3盲突發信號參數檢測
7.3盲跳頻信號檢測
7.3.1 盲跳頻信號檢測的一般方法
7.3.2單序列盲跳頻信號檢測算法
7.3.3 多序列盲跳頻信號檢測算法
第8章盲隱藏信號檢測技術
8.1盲隱藏信號檢測概述
8.2盲擴頻信號檢測
8.2.1 直接序列擴頻信號的低檢測性特點
8.2.2盲擴頻信號檢測技術
8.3盲混合信號檢測
8.3.1 盲對稱混合信號檢測
8.3.2基於累積量和似然特徵結合的盲對稱混合信號檢測
8.3.3 基於累積量和譜線特徵結合的盲對稱混合信號檢測
8.3.4基於信噪比估計的盲非對稱混合信號檢測
8.3.5基於時頻域特徵結合的盲非對稱混合信號檢測
參考文獻
第五篇 盲信源分離技術
第9章正定條件下混合信號盲源分離技術
9.1正定條件下混合信號盲源分離概述
9.1.1 混合信號盲源分離的模型與定義
9.1.2正定條件下混合信號盲源分離的套用
9.2正定條件下混合信源數估計
9.2.1矩陣分解法
9.2.2基於資訊理論準則的算法
9.2.3 基於蓋爾圓準則的算法
9.3獨立性準則
9.3.1 互信息最小化準則（MMI）
9.3.2信息最大化準則（Infomax）
9.3.3非高斯最大化準則
9.4正定條件下盲源分離算法
9.4.1聯合對角化算法（JADE）
9.4.2信息最大化算法（Infomax）
9.4.3等變自適應分解算法（EASI）
9.4.4 固定點算法（FastlCA）
9.5小結
第10章欠定條件下混合信號盲源分離技術
10.1欠定條件下混合信號盲源分離概述
10.2欠定條件下混合信源數估計
10.2.1 基於稀疏性的方法
10.2.2基於空間虛擬延遲抽頭的方法
10.2.3基於高階累積量的方法
10.3典型欠定條件下盲源分離算法
10.3.1 基於比率矩陣聚類的欠定盲源分離算法
10.3.2基於檢索平均的欠定盲源分離算法
10.4小結
第11章單通道混合信號盲源分離技術
11.1單通道混合信號盲源分離概述
11.1.1 單通道盲源分離的模型與定義
11.1.2 單通道盲源分離的理論解釋
11.2單通道盲源分離的性能界
11.2.1 符號估計的性能界——聯合界
11.2.2參數估計的性能界——克拉美羅界
11.2.3參數對分離性能的影響
11.3基於粒子濾波的混合信號盲分離
11.3.1 粒子濾波算法的基本原理
11.3.2相同符號速率下的盲分離
11.3.3 不同符號速率下的盲分離
11.3.4用過採樣提高盲分離性能
1 1.4基於PSP的混合信號盲分離
11.4.1 PSP算法的基本原理
11.4.2 PSP用於混合信號盲分離
11.4.3 PSP盲分離的軟輸出計算
11.4.4 自適應減少留存路徑數的PSP盲分離
11.4.5能提供軟輸出的減路徑盲分離
11.5小結
參考文獻
第六篇盲信源恢復技術
第12章基於信號結構的盲信源恢復技術
12.1基於信號結構的盲信源恢復技術概述
12.2基於群路信號結構的盲源恢復技術
12.2.1誤碼對群路信號的影響
12.2.2基於群路信號幀結構的盲信源恢復
12.3基於IP信號結構的盲信源恢復技術
12.3.1 基於IPv4協定結構的盲信源恢復模型
12.3.2基於IPv4協定結構的盲信源恢復技術
12.4基於編碼信號結構的盲信源恢復技術
12.4.1 結合HDLC幀結構的盲信源恢復技術
12.4.2結合擾碼結構的盲信源恢復技術
第13章壓縮數據的盲信源恢復技術
13.1壓縮數據的盲信源恢復概述
13.1.1 壓縮數據的盲信源恢復技術背景
13.1.2數據壓縮方法簡述
13.2壓縮信源可容錯性分析
13.2.1 壓縮數據可容錯的直觀理解
13.2.2壓縮數據可容錯的熵估計
13.2.3壓縮信源可容錯性的實驗結果與分析
13.3壓縮信源中的誤碼傳播分析
13.3.1 LZ77算法編解碼基本方法
13.3.2 LZ77算法誤碼傳播分析
13.3.3 實驗結果與討論
13.4基於特徵和內容聯合容錯的盲信源恢復技術
13.4.1基於特徵和內容聯合容錯算法概述
13.4.2基於特徵的容錯解碼算法
13.4.3前向容錯解碼算法
13.4.4反饋容錯解碼算法
13.4.5 實驗與結果分析
參考文獻
第七篇盲信息辨識技術
第14章盲信號特徵辨識技術
14.1盲信號特徵辨識技術概述
14.2信號指紋特徵產生機理
14.2.1 輻射源信號指紋的來源
14.2.2正交調製誤差
14.2.3 頻率源的相位噪聲
14.2.4功放的非線性誤差
14.2.5 瞬態回響
14.2.6發射通路等效濾波器
14.2.7其他發射機非理想特性
14.3輻射源指紋特徵提取技術
14.3.1指紋特徵的一般性要求
14.3.2基於機器學習的特徵提取
14.3.3基於參數估計的特徵提取
14.3.4基於域變換的特徵提取
14.3.5信號指紋特徵提取技術小結
14.4模式識別分類器技術
14.4.1 K最近鄰分類器
14.4.2機率神經網路分類器
14.4.3支持向量機
14.5信號特徵的盲信息辨識的實驗與分析
14.5.1 實驗條件與方法
14.5.2 實驗結果統計與分析
14.5.3 實驗結論
第15章不平衡類別的盲信息辨識
15.1不平衡類別盲信息辨識概述
15.2不平衡類別的支持向量機
15.2.1 支持向量機原理與套用
15.2.2 SVM套用於不平衡類別的問題
15.2.3反類野點抑制的支持向量機
15.2.4實驗結果
15.3不平衡類別的單邊抽樣Bagging算法
15.3.1 綜合學習算法介紹
15.3.2 不平衡類別對AdaBoost綜合學習算法的影響
15.3.3 不平衡類別學習的關鍵結論
15.3.4單邊Bagging
15.3.5 SSBagging的性能分析
15.4用屬性Bagging增強kNN的性能
15.4.1 ABagging kNN
15.4.2 ABagging kNN的性能分析
15.5可信度投票法及CAB算法
15.5.1基於可信度的投票法
15.5.2 CAB算法
15.5.3 CAB算法性能分析
15.6基於單邊抽樣和可信度投票的屬性Bagging
15.6.1 SSCAB
15.6.2 SSCAB的性能分析
附錄A定理15.3.1的證明
附錄B定理15.3.2的證明
附錄C引理15.5.1的證明
參考文獻
