Statistical Signal Processing: Frequency Estimation

پردازش سیگنال ممکن است به طور کلی شامل بازیابی اطلاعات از مشاهدات فیزیکی در نظر گرفته شود. سیگنال دریافتی معمولاً توسط تداخل های حرارتی، الکتریکی، جوی یا عمدی مختل می شود. به دلیل ماهیت تصادفی سیگنال، تکنیک های آماری نقش مهمی در تجزیه و تحلیل سیگنال دارند. همچنین از آمار در فرمول‌بندی مدل‌های مناسب برای توصیف رفتار سیستم، توسعه تکنیک‌های مناسب برای تخمین پارامترهای مدل و ارزیابی عملکرد مدل استفاده می‌شود. پردازش سیگنال آماری اساساً به تجزیه و تحلیل سیگنال‌های تصادفی با استفاده از تکنیک‌های آماری مناسب اشاره دارد. هدف اصلی این کتاب معرفی مدل‌های مختلف پردازش سیگنال است که در تجزیه و تحلیل داده‌های دوره‌ای مورد استفاده قرار گرفته‌اند و مسائل مختلف آماری و محاسباتی در حل آن‌ها نقش دارند. ما به طور مفصل در مورد مدل فرکانس سینوسی که به طور گسترده در تجزیه و تحلیل داده های دوره ای در زمینه های مختلف استفاده شده است بحث می کنیم. ما سعی کرده‌ایم مدل‌های مرتبط مختلف و مدل‌های پردازش سیگنال آماری با ابعاد بالاتر را معرفی کنیم که بیشتر در ادبیات مورد بحث قرار گرفته‌اند. مجموعه داده های واقعی مختلف برای نشان دادن اینکه چگونه می توان از مدل های مختلف در عمل استفاده کرد، تجزیه و تحلیل شده است. چندین مشکل باز برای تحقیقات آینده نشان داده شده است.

Signal processing may broadly be considered to involve the recovery of information from physical observations. The received signal is usually disturbed by thermal, electrical, atmospheric or intentional interferences. Due to the random nature of the signal, statistical techniques play an important role in analyzing the signal. Statistics is also used in the formulation of the appropriate models to describe the behavior of the system, the development of appropriate techniques for estimation of model parameters and the assessment of the model performances. Statistical signal processing basically refers to the analysis of random signals using appropriate statistical techniques. The main aim of this book is to introduce different signal processing models which have been used in analyzing periodic data, and different statistical and computational issues involved in solving them. We discuss in detail the sinusoidal frequency model which has been used extensively in analyzing periodic data occuring in various fields. We have tried to introduce different associated models and higher dimensional statistical signal processing models which have been further discussed in the literature. Different real data sets have been analyzed to illustrate how different models can be used in practice. Several open problems have been indicated for future research.