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. Anschließend werden die neu eingeführten Größen und Verbindungen zu bereits bekannten Zusammenhängen diskutiert. Jeder Abschnitt schließt 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 für den experimentellen Umgang mit Signalen. Gleichzeitig bereitet es Theoretiker auf das Studium weiterführender Darstellungen vor. Aus den vielfältigen Änderungen und Ergänzungen für die 3. Auflage sind die neuen Abschnitte über Adaptionsverfahren mit affiner Projektion, Echokompensation und Geräuschreduktion hervorzuheben.

Der Standard für statistische Signale

Verständliche Einführung in ein schwieriges Thema

Klappentext

Der Praktiker erhält einen ausreichenden Hintergrund für den experimentellen Umgang mit Signalen.Die einzelnen Abschnitte beginnen mit einer kurzen Herleitung oder Definition und schließen mit durchgerechneten Beispielen.

Zusammenfassung
"...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)

Inhalt
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.