卷I：统计信号处理基础――估计理论  
　第1章 引言  
　　1．1 信号处理中的估计  
　　1．2 估计的数学问题  
　　1．3 估计量性能评估  
　　1．4 几点说明  
　　参考文献  
　　习题  
　第2章 zui小方差无偏估计  
　　2．1 引言  
　　2．2 小结  
　　2．3 无偏估计量  
　　2．4 zui小方差准则  
　　2．5 zui小方差无偏估计的存在性  
　　2．6 求zui小方差无偏估计量  
　　2．7 扩展到矢量参数  
　　参考文献  
　　习题  
　第3章 Cramer?Rao下限  
　　3．1 引言  
　　3．2 小结  
　　3．3 估计量精度考虑  
　　3．4 Cramer?Rao下限  
　　3．5 高斯白噪声中信号的一般  
　　3．6 参数的变换  
　　3．7 扩展到矢量参数  
　　3．8 矢量参数变换的  
　　3．9 一般高斯情况的  
　　3．10 WSS高斯随机过程的渐近  
　　3．11 信号处理的例子  
　　参考文献  
　　习题  
　　附录3A 标量参数CRLB的推导  
　　附录3B 矢量参数CRLB的推导  
　　附录3C 一般高斯CRLB的推导  
　　附录3D 渐近CRLB的推导  
　第4章 线性模型  
　　4．1 引言  
　　4．2 小结  
　　4．3 定义和性质  
　　4．4 线性模型的例子  
　　4．5 扩展到线性模型  
　　参考文献  
　　习题  
　第5章 一般zui小方差无偏估计  
　　5．1 引言  
　　5．2 小结  
　　5．3 充分统计量  
　　5．4 求充分统计量  
　　5．5 利用充分统计量求MVU估计量  
　　5．6 扩展到矢量参数  
　　参考文献  
　　习题  
　　附录5A Neyman?Fisher因子分解定理（标量参数）的证明  
　　附录5B Rao?Blackwell?Lehmann?Scheffe定理（标量参数）的证明  
　第6章 zui佳线性无偏估计量  
　　6．1 引言  
　　6．2 小结  
　　6．3 BLUE的定义  
　　6．4 求  
　　6．5 扩展到矢量参数  
　　6．6 信号处理的例子  
　　参考文献  
　　习题  
　　附录6A 标量BLUE的推导  
　　附录6B 矢量BLUE的推导  
　第7章 zui大似然估计  
　　7．1 引言  
　　7．2 小结  
　　7．3 举例  
　　7．4 求  
　　7．5 MLE的性质  
　　7．6 变换参数的  
　　7．7 MLE的数值确定  
　　7．8 扩展到矢量参数  
　　7．9 渐近  
　　7．10 信号处理的例子  
　　参考文献  
　　习题  
　　附录7A 蒙特卡洛方法  
　　附录7B 标量参数MLE的渐近  
　　附录7C EM算法例题中条件对数似然函数的推导  
　第8章 zui小二乘估计  
　　8．1 引言  
　　8．2 小结  
　　8．3 zui小二乘估计方法  
　　8．4 线性zui小二乘估计  
　　8．5 几何解释  
　　8．6 按阶递推zui小二乘估计  
　　8．7 序贯zui小二乘估计  
　　8．8 约束zui小二乘估计  
　　8．9 非线性zui小二乘估计  
　　8．10 信号处理的例子  
　　参考文献  
　　习题  
　　附录8A 按阶递推zui小二乘估计的推导  
　　附录8B 递推投影矩阵的推导  
　　附录8C 序贯zui小二乘估计的推导  
　第9章 矩方法  
　　9．1 引言  
　　9．2 小结  
　　9．3 矩方法  
　　9．4 扩展到矢量参数  
　　9．5 估计量的统计评价  
　　9．6 信号处理的例子  
　　参考文献  
　　习题  
　第10章 贝叶斯原理  
　　10．1 引言  
　　10．2 小结  
　　10．3 先验知识和估计  
　　10．4 选择先验  
　　10．5 高斯PDF的特性  
　　10．6 贝叶斯线性模型  
　　10．7 多余参数  
　　10．8 确定性参数的贝叶斯估计  
　　参考文献  
　　习题  
　　附录10A 条件高斯PDF的推导  
　第11章 一般贝叶斯估计量  
　　11．1 引言  
　　11．2 小结  
　　11．3 风险函数  
　　11．4 zui小均方误差估计量  
　　11．5 zui大后验估计量  
　　11．6 性能描述  
　　11．7 信号处理的例子  
　　参考文献  
　　习题  
　　附录11A 连续时间系统到离散时间系统的转换  
　第12章 线性贝叶斯估计量  
　　12．1 引言  
　　12．2 小结  
　　12．3 线性MMSE估计  
　　12．4 几何解释  
　　12．5 矢量LMMSE估计量  
　　12．6 序贯LMMSE估计  
　　12．7 信号处理的例子-维纳滤波器  
　　参考文献  
　　习题  
　　附录12A 贝叶斯线性模型的序贯LMMSE估计量的推导  
　第13章 卡尔曼滤波器  
　　13．1 引言  
　　13．2 小结  
　　13．3 动态信号模型  
　　13．4 标量卡尔曼滤波器  
　　13．5 卡尔曼滤波器与维纳滤波器的关系  
　　13．6 矢量卡尔曼滤波器  
　　13．7 扩展卡尔曼滤波器  
　　13．8 信号处理的例子  
　　参考文献  
　　习题  
　　附录13A 矢量卡尔曼滤波器的推导  
　　附录13B 扩展卡尔曼滤波器的推导  
　第14章 估计量总结  
　　14．1 引言  
　　14．2 估计方法  
　　14．3 线性模型  
　　14．4 选择一个估计量  
　第15章 复数据和复参数的扩展  
　　15．1 引言  
　　15．2 小结  
　　15．3 复数据和复参数  
　　15．4 复随机变量和  
　　15．5 复WSS随机过程  
　　15．6 导数、梯度和zui佳化  
　　15．7 采用复数据的经典估计  
　　15．8 贝叶斯估计  
　　15．9 渐近复高斯  
　　15．10 信号处理的例子  
　　参考文献  
　　习题  
　　附录15A 复协方差矩阵的性质的推导  
　　附录15B 复高斯PDF性质的推导  
　　附录15C CRLB和MLE公式的推导  
卷II：统计信号处理基础――检测理论  
　第1章 引言  
　　1．1 信号处理中的检测理论  
　　1．2 检测问题  
　　1．3 检测问题的数学描述  
　　1．4 检测问题的内容体系  
　　1．5 渐近的作用  
　　1．6 对读者的一些说明  
　　参考文献  
　　习题  
　第2章 重要PDF的总结  
　　2．1 引言  
　　2．2 基本概率密度函数及其性质  
　　2．3 高斯随机变量的二次型  
　　2．4 渐近高斯  
　　2．5 蒙特卡洛性能评估  
　　参考文献  
　　习题  
　　附录2A 要求的蒙特卡洛实验次数  
　　附录2B 正态概率纸  
　　附录2C 计算高斯右尾概率及其逆的MATLAB程序  
　　附录2D 计算中心化和非中心化2的右尾概率  
　　附录2E 蒙特卡洛计算机模拟的MATLAB程序  
　第3章 统计判决理论  
　　3．1 引言  
　　3．2 小结  
　　3．3 Neyman?Pearson定理  
　　3．4 接收机工作特性  
　　3．5 无关数据  
　　3．6 zui小错误概率  
　　3．7 贝叶斯风险  
　　3．8 多元假设检验  
　　参考文献  
　　习题  
　　附录3A Neyman?Pearson定理  
　　附录3B zui小贝叶斯风险检测器――二元假设  
　　附录3C zui小贝叶斯风险检测器――多元假设  
　第4章 确定信号  
　　4．1 引言  
　　4．2 小结  
　　4．3 匹配滤波器  
　　4．4 广义匹配滤波器  
　　4．5 多个信号  
　　4．6 线性模型  
　　4．7 信号处理的例子  
　　参考文献  
　　习题  
　　附录4A 线性模型的简化形式  
　第5章 随机信号  
　　5．1 引言  
　　5．2 小结  
　　5．3 估计器-相关器  
　　5．4 线性模型  
　　5．5 大数据记录的估计器-相关器  
　　5．6 一般高斯检测  
　　5．7 信号处理的例子  
　　参考文献  
　　习题  
　　附录5A 估计器-相关器的检测性能  
　第6章 统计判决理论  
　　6．1 引言  
　　6．2 小结  
　　6．3 复合假设检验  
　　6．4 复合假设检验方法  
　　6．5 大数据记录时GLRT的性能  
...................