具体描述
介绍模拟信号数字处理原理与方法、多采样率数字信号处理的基本理论和高效实现方法，数字信号处理的典型应用。 结合各章的内容，介绍相应的MATLAB信号处理工具箱函数，并给出用MATLAB阐述问题和求解计算问题的程序。各章中安排了丰富的例题、习题和上机题。
作者简介
目录信息
0.1 数字信号处理的基本内容 （2）
0.2 数字信号处理的实现方法 （3）
0.3 数字信号处理的主要优点 （3）
第1章 时域离散信号和系统 （5）
1.1 引言 （5）
1.2 模拟信号、时域离散信号和数字信号 （5）
1.2.1 时域离散信号和数字信号 （6）
1.2.2 时域离散信号的表示方法 （6）
1.2.3 常用时域离散信号 （8） [1]
1.3 时域离散系统 （11）
1.3.1 线性时不变时域离散系统 （11）
1.3.2 线性时不变系统输出和输入之间的关系 （12）
1.3.3 系统的因果性和稳定性 （15）
1.4 时域离散系统的输入输出描述法——线性常系数差分方程 （17）
1.4.1 线性常系数差分方程 （17）
1.4.2 线性常系数差分方程的递推解法 （17）
1.4.3 用MATLAB求解差分方程 （18）
1.4.4 应用举例——滑动平均滤波器 （19）
习题与上机题 （21） [1]
第2章 时域离散信号和系统的频域分析 （25）
2.1 引言 （25）
2.2 时域离散信号的傅里叶变换 （25）
2.2.1 时域离散信号的傅里叶变换的定义 （25）
2.2.2 周期信号的离散傅里叶级数 （26）
2.2.3 周期信号的傅里叶变换 （28）
2.2.4 时域离散信号傅里叶变换的性质 （31）
2.3 时域离散信号的Z变换 （34）
2.3.1 时域离散信号Z变换的定义及其与傅里叶变换的关系 （34）
2.3.2 Z变换的收敛域与序列特性之间的关系 （35）
2.3.3 逆Z变换 （38）
2.3.4 Z变换的性质和定理 （41）
2.4 利用Z变换对信号和系统进行分析 （44）
2.4.1 系统的传输函数和系统函数 （44） [1]
2.4.2 根据系统函数的极点分布分析系统的因果性和稳定性 （45）
2.4.3 用Z变换求解系统的输出响应 （46）
2.4.4 系统稳定性的测定及稳定时间的计算 （50）
2.4.5 根据系统的零、极点分布分析系统的频率特性 （52）
2.5 几种特殊滤波器 （56）
2.5.1 全通滤波器 （57）
2.5.2 最小相位滤波器 （58）
2.5.3 梳状滤波器 （59）
2.5.4 正弦波发生器 （60）
习题与上机题 （61）
第3章 离散傅里叶变换（DFT）及其快速算法（FFT） （68）
3.1 离散傅里叶变换的定义及物理意义 （68） [1]
3.1.1 DFT定义 （68）
3.1.2 DFT与ZT、FT、DFS的关系 （69）
3.1.3 DFT的矩阵表示 （71）
3.1.4 用MATLAB计算序列的DFT （71）
3.2 DFT的主要性质 （73）
3.3 频域采样 （80）
3.4 DFT的快速算法——快速傅里叶变换（FFT） （83）
3.4.1 直接计算DFT的特点及减少运算量的基本途径 （83）
3.4.2 基2 FFT算法 （83）
3.5 DFT（FFT）应用举例 （89）
3.5.1 用DFT（FFT）计算两个有限长序列的线性卷积 （90）
3.5.2 用DFT计算有限长序列与无限长序列的线性卷积 （91）
3.5.3 用DFT对序列进行谱分析 （94）
习题与上机题 （96） [1]
第4章 模拟信号数字处理 （99）
4.1 模拟信号数字处理原理方框图 （99）
4.2 模拟信号与数字信号的相互转换 （99）
4.2.1 时域采样定理 （100）
4.2.2 带通信号的采样 （104）
4.2.3 A/D变换器 （105）
4.2.4 将数字信号转换成模拟信号 （106） [1]
4.3 对数字信号处理部分的设计考虑 （109）
4.4 线性模拟系统的数字模拟 （110）
4.5 模拟信号的频谱分析 （112）
4.5.1 公式推导及参数选择 （112）
4.5.2 用DFT（FFT）对模拟信号进行谱分析的误差 （113）
4.5.3 用DFT（FFT）对周期信号进行谱分析 （116）
习题与上机题 （119）
第5章 信号的相关函数和功率谱 （120）
5.1 互相关函数和自相关函数 （120）
5.2 周期信号的相关性 （122）
5.3 相关函数的性质 （123）
5.3.1 互相关函数性质 （124）
5.3.2 自相关函数性质 （124）
5.4 输入输出信号的相关函数 （125）
5.5 信号的能量谱密度和功率谱密度 （125）
5.5.1 信号的能量谱 （126）
5.5.2 信号的功率谱 （126） [1]
5.6 相关函数的应用 （127）
5.6.1 相关函数在雷达和主动声呐系统中的的应用 （127）
5.6.2 使用相关函数检测物理信号隐含的周期性 （128）
5.7 用MATLAB计算相关函数 （130）
习题与上机题 （131）
第6章 IIR数字滤波器（IIRDF）设计 （133）
6.0 数字滤波器设计的基本概念 （133）
6.0.1 数字滤波器及其设计方法概述 （133）
6.0.2 数字滤波器的种类 （133）
6.0.3 理想数字滤波器 （134）
6.1 模拟滤波器设计 （136）
6.1.1 模拟滤波器设计指标 （137）
6.1.2 巴特沃思模拟低通滤波器设计 （138）
6.1.3 切比雪夫（Chebyshev）滤波器设计 （141）
6.1.4 椭圆滤波器 （144）
6.1.5 贝塞尔（Bessel）滤波器 （145）
6.1.6 用MATLAB设计模拟滤波器 （145）
6.1.7 五种类型模拟滤波器的比较 （151）
6.1.8 频率变换与高通、带通及带阻滤波器设计 （152）
6.2 IIR数字滤波器设计 （159）
6.2.1 用脉冲响应不变法设计IIRDF （160）
6.2.2 用双线性变换法设计IIRDF （165）
6.2.3 高通、带通和带阻IIRDF （169）
6.2.4 IIRDF的频率变换 （172）
习题与上机题 （175） [1]
第7章 FIR数字滤波器（FIRDF）设计 （179）
7.1 线性相位FIRDF及其特点 （179）
7.2 用窗函数法设计FIRDF （184）
7.2.1 用窗函数法设计FIRDF的基本方法 （184）
7.2.2 窗函数法的设计性能分析 （185）
7.2.3 典型窗函数介绍 （187）
7.2.4 用窗函数法设计FIRDF的步骤及MATLAB设计函数 （193）
7.3 利用频率采样法设计FIRDF （197）
7.3.1 频率采样设计法的基本概念 （197）
7.3.2 设计线性相位特性FIRDF时，频域采样H (k)的设置原则 （198）
7.3.3 逼近误差及改进措施 （198）
7.4 利用等波纹最佳逼近法设计FIRDF （202）
7.4.1 等波纹最佳逼近法的基本思想 （203）
7.4.2 remez和remezord函数介绍 （205）
7.4.3 FIR希尔伯特变换器和FIR数字微分器设计 （209）
7.5 FIRDF与IIRDF的比较 （213）
习题与上机题 （214）
第8章 时域离散系统的实现 （217）
8.1 引言 （217）
8.2 FIR网络结构 （218）
8.2.1 FIR直接型结构和级联型结构 （218） [1]
8.2.2 线性相位结构 （219）
8.2.3 FIR频率采样结构 （220）
8.2.4 FIR滤波器的递归实现 （223）
8.2.5 快速卷积法 （224）
8.3 IIR网络结构 （224）
8.3.1 IIR直接型网络结构 （224）
8.3.2 IIR级联型网络结构 （225）
8.3.3 IIR并联型网络结构 （226）
8.3.4 转置型网络结构 （227）
8.4 格型网络结构 （227）
8.4.1 全零点格型网络结构 （228）
8.4.2 全极点格型网络结构 （231）
8.5 用软件实现各种网络结构 （233）
8.6 数字信号处理中的量化效应 （235）
8.6.1 量化及量化误差 （235）
8.6.2 A/D变换器中的量化效应 （236）
8.6.3 系数量化效应 （237）
8.6.4 运算中的量化效应 （240）
8.7 滤波器设计与分析工具 （244）
习题与上机题 （249）
第9章 多采样率数字信号处理 （253） [1]
9.1 引言 （253）
9.2 整数因子抽取 （254）
9.3 整数因子内插 （256）
9.4 按有理数因子I/D的采样率转换 （258）
9.5 采样率转换滤波器的高效实现方法 （259） [1]
9.5.1 直接型FIR滤波器结构 （259）
9.5.2 多相滤波器结构 （261）
9.6 采样率转换系统的多级实现 （264）
9.7 采样率转换器的MATLAB实现 （269）
9.8 采样率转换在数字语音系统中的应用 （270）
9.8.1 数字语音系统中的信号采样过程及其存在的问题 （270）
9.8.2 数字语音系统中改进的A/D转换方案 （271）
9.8.3 接收端D/A转换器的改进方案 （272）
习题与上机题 （274）
第10章 数字信号处理应用举例 （276） [1]
10.1 引言 （276）
10.2 数字信号处理在双音多频拨号系统中的应用 （276）
10.3 数字信号处理在音乐信号处理中的应用 （282）
10.3.1 时域处理 （282）
10.3.2 频域处理 （285）
附录A MATLAB信号处理工具箱函数表 （289）
参考文献 （293） [1]
· · · · · · (收起)
读后感
用户评价
我被这本书中对信号的“世界观”的塑造所吸引。作者不是将各种处理方法割裂开来讲解，而是试图构建一个完整的信号处理生态系统。他从信号的产生源头讲起，比如各种传感器如何将物理量转化为电信号，然后详细介绍了信号的表示方式，包括时域、频域以及它们之间的转换。其中，关于卷积的讲解，作者花费了相当大的篇幅，并且提供了多种不同角度的解释，包括几何直观和数学推导。我尝试着跟着书中的步骤，用纸笔进行了一次简单的卷积运算，虽然过程略显繁琐，但最终得到的结果让我对信号的叠加和延迟有了更深刻的认识。书中还探讨了信号的模枋和数字化的过程，以及在这两个阶段可能遇到的问题，比如量化误差和截断误差。作者对这些问题的分析非常深入，并且提出了相应的解决方法，例如使用不同的量化编码方式来减小误差。这一点让我觉得这本书不仅仅是介绍了理论，更具有很强的实践指导意义。我开始思考，在实际的工程应用中，这些理论是如何被巧妙地转化为解决问题的工具的。
这本书最让我赞赏的一点是其对“最优估计”理论的清晰阐述。作者在讲解卡尔曼滤波器时，没有直接给出复杂的矩阵方程，而是从“如何在一个带有噪声的测量序列中，找到一个最优的估计值”这个问题出发。他先介绍了最小二乘法，然后逐步引出贝叶斯滤波的思想，最终展示了卡尔曼滤波如何结合系统的动态模型和测量模型，以递推的方式，在每一步都得到当前状态的最优估计。我特别喜欢他用一个简单的例子，比如跟踪一个在空间中移动的物体，来形象地说明卡尔曼滤波的工作流程：预测、更新。这个例子让我能够直观地理解滤波器是如何在“预测”和“测量”之间进行权衡，从而得到一个更准确的估计。书中还讨论了扩展卡尔曼滤波器（EKF）和无迹卡尔曼滤波器（UKF），解释了它们在处理非线性系统时的优势。
这本书给我带来的最大惊喜，莫过于它在实际应用案例上的详实呈现。作者没有停留在纯粹的数学推导，而是将大量的篇幅用于讲解各种信号处理算法在现实世界中的应用。例如，在图像处理的部分，他详细介绍了边缘检测、图像去噪等技术，并且举例说明了这些技术是如何应用于医学影像分析、安防监控等领域。我特别被书中关于音频信号处理的章节所吸引，作者通过讲解降噪算法，让我明白了为什么我们手机里的语音助手能够准确地识别我们的指令，即使在嘈杂的环境下。他还深入讲解了音频压缩技术，比如MP3是如何通过去除人耳难以察觉的频率成分来实现高压缩率的。这一点让我重新审视了日常生活中听到的音乐，原来背后蕴含着如此精妙的信号处理技术。书中还提到了通信系统中的信道编码和解码，这让我对我们现在能够顺畅地进行网络通信有了更深的理解。这种将抽象理论与具体应用相结合的方式，极大地激发了我学习的兴趣，也让我看到了信号处理这门学科的强大生命力。
这本书在“信号的变换”这一主题上，呈现出了令人耳目一新的组织方式。作者并没有简单地罗列各种变换，而是将它们置于一个相互关联的框架中。他从最基础的傅里叶变换讲起，然后逐步引出拉普拉斯变换，并解释了它在分析连续时间系统时的优越性，特别是它能够处理右边信号的性质。接着，他又详细讲解了Z变换，并强调了它与拉普拉斯变换在离散时间系统分析中的对应关系。我尤其欣赏作者对“卷积定理”的强调，他反复说明，在时域进行卷积运算，等价于在频域进行乘法运算。这极大地简化了许多信号处理的分析过程，让我明白了为何各种变换如此重要。书中还对小波变换进行了初步的介绍，虽然篇幅不长，但足以让我对其“多分辨率分析”的优势和潜在应用产生浓厚的兴趣。
这本书的封面设计让我印象深刻，那种低饱和度的蓝色调，搭配上抽象的波形图案，一下子就抓住了我的眼球。翻开扉页，清晰的排版和适中的字号让我对阅读的舒适度充满了期待。第一章的内容，虽然涉及一些基础概念，但作者的讲解方式却出人意料地生动。他没有直接堆砌枯燥的公式，而是通过一些生活中的类比，比如我们说话的声音如何被录制和播放，来引入傅里叶变换等核心概念。我尤其喜欢他关于采样率的讲解，通过一个简单的例子，我一下子就明白了为什么更高的采样率能捕捉到更丰富的声音细节，也理解了奈奎斯特-香农采样定理的本质。这种“润物细无声”的教学方式，让我觉得学习过程不再是硬啃教材，而更像是一场有趣的探索。书中大量的插图和图表也功不可没，它们准确地可视化了抽象的数学模型，让我能够更直观地理解信号在时域和频域的变化。例如，当我看到低通滤波器的示意图时，我立刻就明白了它如何“筛掉”高频成分，保留低频信息。这种视觉化的辅助，对于我这种偏重形象思维的学习者来说，简直是福音。
这本书中对“随机信号”的处理方式，让我感到非常新颖。作者并没有回避概率论和数理统计的知识，而是以一种非常友好的方式将其融入到信号处理的讨论中。他首先介绍了随机变量和随机过程的基本概念，然后详细讲解了均值、方差、协方差等重要统计量。我最感兴趣的部分是关于“平稳随机过程”的讲解，作者解释了为什么平稳性在信号处理中如此重要，以及它如何简化了对随机信号的分析。书中还对“功率谱密度”在随机信号分析中的应用进行了深入的探讨，解释了它如何描述随机信号的频率成分的分布。最后，作者还提及了“噪声模型”，并给出了在实际应用中常见的各种噪声类型及其特性，这让我对理解和处理实际信号中的噪声有了更清晰的认识。
这本书在“模型”的构建与应用上，给我带来了全新的视角。作者非常注重引导读者理解各种信号处理算法背后的数学模型。他深入浅出地讲解了线性时不变（LTI）系统的概念，并解释了如何用差分方程或微分方程来描述这些系统。对于离散时间系统，作者详细讲解了Z变换，并阐述了它在分析和设计数字滤波器中的重要作用。我跟着书中的例子，学会了如何通过Z变换来分析一个数字滤波器的频率响应，以及如何根据所期望的频率响应来设计滤波器的系数。书中还对“状态空间表示法”进行了详细的介绍，并说明了它在描述复杂多输入多输出（MIMO）系统时的优越性。这让我对如何用一种统一的框架来分析和控制复杂的动态系统有了更深入的理解。
我被这本书对“信号的时域分析”和“频域分析”之间联系的细致刻画所折服。作者并没有将这两种分析方法割裂开来，而是反复强调了它们之间的互补性。他通过大量实例，展示了在不同的问题场景下，哪种分析方法更具有优势。例如，在分析信号的瞬时行为时，时域分析更为直观；而在分析信号的周期性、频率成分以及滤波效果时，频域分析则更为强大。书中关于“帕塞瓦尔定理”的讲解，让我深刻地理解了信号在时域的总能量与其在频域的总能量是相等的，这进一步巩固了我对时频分析统一性的认识。他还介绍了“短时傅里叶变换”（STFT），解释了它如何克服纯粹的傅里叶变换在分析非平稳信号时的局限性，通过引入一个“窗口”来兼顾时间和频率的局部性。
这本书在理论深度和易读性之间找到了一个绝佳的平衡点。一开始，我担心像“离散傅里叶变换”这类概念会过于晦涩难懂，但作者的叙述方式让我感到意外。他先是从傅里叶级数入手，讲解了周期信号的频谱表示，然后逐步引入了非周期信号的傅里叶变换，最后才引出离散傅里叶变换（DFT）和快速傅里叶变换（FFT）。在讲解FFT时，作者并没有直接抛出算法公式，而是通过分治的思想，一步步地展示了如何将一个大的DFT分解成若干个小的DFT，从而大大降低了计算复杂度。我跟着书中的例子，模拟了一次FFT的计算过程，虽然过程同样需要耐心，但其效率的提升感是显而易见的。书中还对各种滤波器的设计原理进行了深入的剖析，包括巴特沃斯滤波器、切比雪夫滤波器等，并且详细讲解了它们的性能特点和设计公式。这让我明白了为什么不同的应用场景需要选择不同类型的滤波器。
我必须说，这本书在讲解一些核心概念时的“循序渐进”做得非常出色。比如，在介绍“自相关函数”和“互相关函数”时，作者并没有一开始就给出它们的数学定义，而是先从“信号的相似度”这个直观的概念入手。他用了一个生动的例子，将一个音乐片段和一个带有延迟的相同音乐片段进行对比，引导读者思考如何量化这种相似度。然后，他才逐步引出自相关函数，解释它如何衡量一个信号与其自身在不同时间延迟下的相似性，从而揭示信号的周期性、平稳性等特征。紧接着，他又引入了互相关函数，用以衡量两个不同信号之间的相似度，以及它们之间存在的延迟。这一点对于我理解雷达、声纳等系统的目标检测和测距原理至关重要。书中还对“功率谱密度”和“能量谱密度”进行了详细的解释，并且说明了它们与自相关函数之间的关系，这让我对信号的能量分布有了更全面的认识。
有代码，有实现。
有代码算个优点。但里面一些知识点略去不讲，还得查其他资料。
有代码，有实现。
有代码，有实现。
有代码算个优点。但里面一些知识点略去不讲，还得查其他资料。
