1 Signals
3
2 Applications
2. 数字信号处理的应用
DSP的两类广泛应用
信号分析
提取有用信息 谱估计，信号建模 分类，检测，预测，模式识别…
信号滤波
提高信号质量 数字滤波器，最优滤波器，自适应滤波器，阵列
滤波器等 噪声消除，均衡，去卷积 …
4
3. 信号处理方法
少)
更加复杂的问题：
非线性模型 非高斯分布 复杂方程 音频 图像/视频 通信 雷达/声纳 生物，医药 地球物理 地震数据 …
13
总结
方法分类
基于变换的方法（Fourier 变换） 统计方法 (Bayes准则) 基于模型的方法 (信号模型AR,MA,ARMA) 基于智能/机器学习的方法 (盲方法，对信号所知甚
取决于关于对信号本身的知识 取决于具体应用
3 Methods
“线性噪声模型” – “非线性噪声模型” “时不变” – “时变” *“1维” – “多维”
5
3. 4类主要方法 (1/4)
3 Methods
基于变换的方法
小波变换 傅利叶变换
分析:
DFT – 频谱分析 (deterministic signals) 周期图– 功率谱分析 (random signals) 短时傅利叶变换，小波-多分辨率分析 (time-
variant signals)
滤波:
数字滤波器 滤波器组
6
3. 4类主要方法 (2/4)
基于模型的方法
信号产生过程的参数模型
分析:
线性预测 参数谱估计
滤波:
最优线性滤波器
维纳滤波器, 卡尔曼滤波器
自适应滤波器
3 Methods
7
3. 4类主要方法 (3/4)
统计信号处理方法
信号统计模型 贝叶斯估计
分析:
参数估计 隐马尔科夫模型
滤波:
MAP, ML, LS
3 Methods
8
3. 4类主要方法 (4/4)
3 Methods
智能，机器学习方法
训练/学习 推论
分析:
数据挖掘 (支持向量机)
滤波:
人工神经网络 粒子滤波器
……
Little knowledge/ No knowledge
9
现代DSP
确定性信号 处理
随机/统计信号 处理
10
技术分类
随机信号
分析
统计过程理论
滤波基于分析 分析通过滤波
3 Methods 滤波
11
技术分类 (2)
分析
3 Methods 滤波
谱估计
信号建模
最优滤波
自适应滤 波
时间/尺度 分析
现代数字信号处理
数字信号处理的方法和应用
1
内容
信号 信号处理的应用 信号处理方法 应用领域
2
1. 信号
信号
定义:
为一个或多个独立变量的方程 携带着有用信息
可分为两类广义信号
确定性信号 随机信号
复杂信号
时变信号 高维信号 简单/复杂方程 (确定性信号) 高斯/非高斯；线性/非线性模型（随机信号）
Modern digital signal analysis and filtering
Beyesian statistical processing
非线性滤 波
12
DSP的应用领域
5 Developing
按技术来分
分类 提取 预测 压缩 噪声消除 均衡 去卷积 恢复