Statistische Signale: Grundlagen Und Anwendungen

ISBN-13: 9783540416449 / Niemiecki / Twarda / 2001 / 514 str.

Eberhard Hansler

Opis

Im Gegensatz zur klassischen Theorie werden in diesem Buch Signale durch Zufallsprozesse modelliert. Die einzelnen Abschnitte des Buches beginnen in der Regel mit einer kurzen Herleitung oder einer Definition. Anschlieend werden die neu eingefuhrten Groen und Verbindungen zu bereits bekannten Zusammenhangen diskutiert. Jeder Abschnitt schliet mit durchgerechneten Beispielen. Die Darstellung des Stoffes bewegt sich auf dem Mittelweg zwischen "rein anschaulich" und "streng formal." Das Buch gibt daher einem Praktiker einen ausreichenden Hintergrund fur den experimentellen Umgang mit Signalen. Gleichzeitig bereitet es Theoretiker auf das Studium weiterfuhrender Darstellungen vor. Aus den vielfaltigen Anderungen und Erganzungen fur die 3. Auflage sind die neuen Abschnitte uber Adaptionsverfahren mit affiner Projektion, Echokompensation und Gerauschreduktion hervorzuheben.

Recenzje

"...sehr gut gefällt...die Behandlung der Zufallsvariablen in der Sprache von Ergebnismenge und Ereignisfeld... eine gute Einführung in den Begriff der Ergodizität... dem Leser werden sehr viele, sehr detaillierte Übungen vorgeführt. ... Das Endurteil des Reviewers über dieses Buch ist sehr positiv." (Zentralblatt für Mathematik)

Spis treści

I Grundlagen.- 1 Einführung.- 1.1 Zum Inhalt dieses Buches.- 1.2 Warum statistische Signalmodelle?.- 1.3 Kurzer historischer Überblick.- 1.4 Modellbildung.- 1.5 Vorkenntnisse.- 1.6 Formelzeichen.- 2 Wahrscheinlichkeit — Zufallsvariablen.- 2.1 Wahrscheinlichkeit.- 2.1.1 Wahrscheinlichkeitsraum.- 2.1.1.1 Ergebnismenge.- 2.1.1.2 Ereignisfeld.- 2.1.1.3 Definition der Wahrscheinlichkeit.- 2.2 Zufallsvariablen.- 2.2.1 Definition.- 2.2.2 Wahrscheinlichkeitsverteilung und Wahrscheinlichkeitsdichte.- 2.2.3 Gemeinsame Wahrscheinlichkeitsverteilung und gemeinsame Wahrscheinlichkeitsdichte.- 2.2.4 Erwartungswert.- 2.2.5 Momente, Korrelation.- 2.2.6 Erzeugende Funktionen.- 2.2.6.1 Momenterzeugende Funktion.- 2.2.6.2 Charakteristische Funktion.- 2.2.6.3 Kumulantenerzeugende Funktion.- 2.2.7 Schätzwert für eine Zufallsvariable.- 3 Zufallsprozesse.- 3.1 Definition und Beispiele.- 3.2 Wahrscheinlichkeitsverteilung und Wahrscheinlichkeitsdichte.- 3.3 Schar- und Zeitmittelwerte.- 3.4 Stationarität.- 3.5 Ergodizität.- 3.6 Korrelation.- 3.6.1 Komplexe Zufallsprozesse.- 3.6.2 Eigenschaften der Autokorrelationsfunktion.- 3.6.3 Eigenschaften der Kreuzkorrelationsfunktion.- 3.6.4 Messung von Korrelationsfunktionen.- 3.6.5 Anwendungen.- 3.7 Spektrale Leistungsdichte.- 3.7.1 Stationäre Zufallsprozesse.- 3.7.2 Instationäre Zufallsprozesse.- 3.8 Spezielle Zufallsprozesse.- 3.8.1 GauBprozeß.- 3.8.1.1 Gaußdichte.- 3.8.1.2 Zufallsprozeß.- 3.8.2 Poissonprozeß.- 3.8.3 Erlangprozeß.- 3.8.4 Markovketten.- 3.8.5 ARMA-Prozesse.- 3.8.6 Bandbegrenzte Zufallsprozesse.- 4 Transformation von Zufallsprozessen durch Systeme.- 4.1 Begriff des Systems.- 4.2 Einige Begriffe aus der Systemtheorie.- 4.3 Zeitinvariante gedachtnisfreie Systeme.- 4.3.1 Transformation der Wahrscheinlichkeitsverteilungsfunktion.- 4.3.2 Transformation der Wahrscheinlichkeitsdichtefunktion.- 4.3.3 Transformation der Momente.- 4.4 Zeitinvariante lineare dynamische Systeme.- 4.4.1 Transformation des linearen Mittelwertes.- 4.4.2 Transformation der Autokorrelationsfunktion.- 4.4.3 Transformation des Leistungsdichtespektrums.- 4.4.4 Anwendungsbeispiele.- 4.4.4.1 Systemidentifikation.- 4.4.4.2 Formfilter.- 4.5 Äquivalente Verstärkung.- 4.6 Momente höherer Ordnung.- 4.6.1 Korrelationsfunktionen und Leistungsdichtespektren höherer Ordnung.- 4.6.2 Kumulantfunktionen und Kumulantspektren.- 4.6.3 Identifizierung linearer Systeme mit Hilfe von Spektren höherer Ordnung.- II Anwendungen.- 5 Optimale Systeme.- 5.1 Klassifizierung von Schätzwerten.- 5.2 Optimierungskriterien.- 6 Linearer Prädiktor.- 6.1 Problemstellung und Voraussetzungen.- 6.2 Normal-Gleichung.- 6.3 Prädiktionsfehler.- 6.4 Rekursive Berechnung der Prädiktorkoeffizienten (Durbin-Algorithmus).- 6.5 Prädiktion urn M Schritte.- 6.6 Rekursion des Prädiktionsfehlers.- 7 Signalangepa6tes Filter.- 7.1 Einführung.- 7.2 Problemstellung.- 7.2.1 Maximierung eines Quotienten.- 7.2.2 Minimierung eines mittleren quadratischen Fehlers.- 7.3 Zeitdiskretes Filter.- 7.4 Eigenschaften des Ausgangssignals eines signalangepaBten Filters.- 7.5 Fehlerwahrscheinlichkeit bei binärer Entscheidung.- 7.6 Impulse verschiedener Form.- 8 Optimalfilter nach Wiener und Kolmogoroff.- 8.1 Problemstellung.- 8.2 Integralgleichung nach Wiener-Hopf.- 8.3 Nichtkausales Filter.- 8.3.1Optimaler Frequenzgang.- 8.3.2 Minimaler mittlerer quadratischer Fehler.- 8.4 Kausales Filter.- 8.4.1 Optimaler Frequenzgang.- 8.4.2 Minimaler mittlerer quadratischer Fehler.- 8.5 Optimalfilter für pulsamplitudenmodulierte Signale.- 8.6 Zeitdiskretes Filter.- 8.7 Geräuschreduktion.- 9 Kalman-Filter.- 9.1 Zustandsvariablen.- 9.2 Rekursive Schätzung — ein Beispiel.- 9.3 Der Filteralgorithmus.- 9.4 Verallgemeinerung der Voraussetzungen.- 9.4.1 System- und Meßrauschen mit von Null verschiedenem Mittelwert.- 9.4.2 Korreliertes System- und Meßrauschen.- 9.4.3 Farbiges Systemrauschen.- 10 Adaptive Filter.- 10.1 Anwendungsbereiche adaptiver Filter.- 10.2 Allgemeine Voraussetzungen.- 10.3 Verfahren der kleinsten Quadrate.- 10.4 Verfahren mit mittlerem quadratischem Fehler.- 10.5 Analyse des LMS-Algorithmus.- 10.5.1 Mittelwerte der Filterkoeffizienten.- 10.5.2 Konvergenz des Verfahrens.- 10.5.3 Geometrische Betrachtung.- 10.5.4 Einfluß einer Störung.- 10.6 Verfahren mit affiner Projektion.- 10.6.1 Das Adaptionsverfahren.- 10.6.2 Affine Projektion.- 10.7 Kompensation akustischer Echos.- 10.7.1 Aufgabe.- 10.7.2 Adaption des Kompensationsfilters.- 10.7.3 Schrittweitensteuerung.- 10.7.3.1 Optimale Schrittweite.- 10.7.3.2 Schätzung des Restechos.- 10.8 Adaption rekursiver Filter.- 10.8.1 Minimaler mittlerer quadratischer Gleichungsfehler.- 10.8.2 Stabilität.- 10.8.3 Der HARF-Algorithmus.- 11 Schätzung von Signalparametern.- 11.1 Schätzung zufälliger Parameter.- 11.1.1 Fehlerfunktion.- 11.1.2 Schätzwert nach Bayes.- 11.1.2.1 Quadratische Fehlerfunktion.- 11.1.2.2 Betrag als Fehlerfunktion.- 11.1.2.3 Einheitliche Fehlerbewertung.- 11.1.3 Invarianz von Schätzwerten.- 11.1.3.1 1. Fallt.- 11.1.3.2 2. Fall.- 11.1.4 Eine untere Grenze für die Varianz des Schätzfehlers.- 11.2 Schätzung determinierter Parameter.- 11.2.1 Maximum-Likelihood-Schätzwert.- 11.2.2 Cramér-Rao-Schranke.- 12 Entscheidungsverfahren.- 12.1 Binäre Entscheidung.- 12.1.1 Bayessche Entscheidung.- 12.1.1.1 Minimierung der Fehlerwahrscheinlichkeit.- 12.1.2 Minimax-Test.- 12.1.3 Neyman-Pearson-Test.- 12.1.4 Empfänger-Charakteristik.- 12.2 Mehrwertige Entscheidungen.- 12.3 Entscheidung mit Zurückweisung.- 12.4 Sequenzentscheidung (Viterbi-Algorithmus).- Namen- und Sachverzeichnis.

Blurb

Dieses Lehrbuch behandelt statistische Signalmodelle aus der Sicht der Systemtheorie. Es entstand aus Vorlesungen des Autors an der TH Darmstadt für Studenten der Nachrichten- und Regelungstechnik nach dem Vorexamen. Nach einem kurzen Abriß der wichtigsten Gesetze der Wahrscheinlichkeitstheorie werden Zufallsvariable und -prozesse behandelt. Hieran schließt sich die Betrachtung der Eigenschaften des Eingangs- und Ausgangsprozesses eines Systems an. Breiten Raum nehmen dabei die Korrelationsfunktionen und Leistungsdichtespektren ein. In die Darstellung einbezogen werden jedoch auch Momente dritter und vierter Ordnung. Im zweiten Teil des Buches werden statistische Signalmodelle angewendet. Im Vordergrund steht dabei die Optimierung linearer Systeme. Die beiden letzten Kapitel behandeln Verfahren zur Schätzung zufälliger und determinierter Signalparameter sowie Entscheidungsverfahren. Die Dar- stellung des Stoffes bewegt sich für Praktiker und Theorektiker zwischen "rein anschaulich" und "streng formal".