| 第一章 前言 | 第1-35页 |
| ·引言 | 第11-12页 |
| ·非平稳信号分析与处理的非参数化方法 | 第12-20页 |
| ·线性时频表示 | 第13-16页 |
| ·二次(双线性)时频表示 | 第16-20页 |
| ·非平稳信号分析与处理的参数化方法 | 第20-23页 |
| ·循环平稳随机信号 | 第23-26页 |
| ·自适应滤波器理论 | 第26-34页 |
| ·自适应滤波器结构 | 第27-28页 |
| ·自适应滤波器算法 | 第28-34页 |
| ·论文的主要研究内容 | 第34-35页 |
| 第二章 适于循环平稳信号的自适应滤波器 | 第35-51页 |
| ·引言 | 第35-36页 |
| ·(循环)平稳随机信号通过线性(周期时变)系统 | 第36-39页 |
| ·基于二阶循环统计量的改进LMS算法 | 第39-43页 |
| ·周期自适应滤波器的自适应滤波器组直接实现 | 第43-45页 |
| ·周期自适应滤波器的基于时间基函数展开的实现 | 第45-47页 |
| ·系统周期的自适应估计算法 | 第47-49页 |
| ·小结 | 第49-51页 |
| 第三章 循环平稳信号的时变参数信号模型与循环统计量的关系 | 第51-60页 |
| ·引言 | 第51-52页 |
| ·循环平稳随机信号的LPTV型时变参数信号模型 | 第52-54页 |
| ·循环平稳随机信号的时变参数信号模型与其循环统计量的关系 | 第54-59页 |
| ·小结 | 第59-60页 |
| 第四章 基于小波神经网络的时变参数信号模型 | 第60-79页 |
| ·引言 | 第60页 |
| ·基于序列顺序置乱的信号白化算法 | 第60-64页 |
| ·基于输入信号白化的LMS算法 | 第64-68页 |
| ·基于小波神经网络的时变自回归参数信号模型 | 第68-73页 |
| ·基于小波神经网络的时变自回归参数信号模型的应用实例 | 第73-78页 |
| ·小结 | 第78-79页 |
| 第五章 基于分数阶傅立叶变换的二次时频分析 | 第79-95页 |
| ·引言 | 第79页 |
| ·分数阶Wigner分布 | 第79-80页 |
| ·分数阶Wigner分布的主要性质 | 第80-84页 |
| ·分数阶模糊函数 | 第84-87页 |
| ·分数阶模糊函数的主要性质 | 第87-92页 |
| ·分数阶模糊函数的应用例 | 第92-93页 |
| ·小结 | 第93-95页 |
| 第六章 分数倒谱及其在盲chirp信号处理中的应用 | 第95-104页 |
| ·引言 | 第95页 |
| ·盲信号分离简介 | 第95-96页 |
| ·分数倒谱 | 第96-97页 |
| ·分数倒谱在盲chirp信号分离处理中的应用 | 第97-101页 |
| ·线性调频型分数阶傅立叶变换的自适应计算 | 第101-103页 |
| ·小结 | 第103-104页 |
| 第七章 总结与展望 | 第104-106页 |
| 参考文献 | 第106-112页 |
| 作者在博士论文期间已发表和待发表的学术论文 | 第112-113页 |
