本书主要介绍非高斯信号处理(包括基于高阶统计量和分数低阶统计量的信号处理)的理论、方法及其应用。
全书分为9章,内容包括：高斯过程与二阶统计量，高阶累积量和高阶谱，Alpha稳定分布与分数低阶统计量，基于以上信号的处理方法，基于分数低阶统计量数字信号处理的应用等。
第1章绪论1.1预备知识1.1.1信号与信号处理的概念1.1.2随机变量及其分布1.1.3随机信号及随机过程1.1.4统计信号处理的原理与方法1.2矩理论简介1.2.1矩及统计量的概念1.2.2二阶统计量及基于二阶统计量的信号处理1.2.3高阶统计量及基于高阶统计量的信号处理1.2.4分数低阶统计量及基于分数低阶统计量的信号处理1.3非高斯信号处理的发展参考文献第2章高斯分布与高斯过程2.1高斯分布2.1.1中心极限定理2.1.2高斯分布律2.2高斯过程参考文献第3章基于二阶统计量的信号处理方法3.1基本估计理论3.1.1最小二乘估计3.1.2线性最小方差估计3.1.3最小方差估计3.1.4最大似然估计3.1.5最大后验概率估计3.2维纳滤波与卡尔曼滤波3.2.1连续信号的维纳滤波3.2.2离散维纳滤波3.2.3卡尔曼滤波3.3参数模型功率谱估计3.3.1平稳随机信号的参数模型3.3.2AR模型功率谱估计3.3.3MA模型功率谱估计3.3.4ARMA模型功率谱估计3.4自适应数字滤波器3.4.1横向LMS自适应数字滤波器3.4.2递推自适应数字滤波器3.4.3自适应格型数字滤波器3.4.4递归型自适应数字滤波器参考文献第4章高阶累积量和高阶谱4.1高阶矩和高阶累积量4.1.1高阶累积量和高阶矩的定义4.1.2高阶累积量和高阶矩的关系4.1.3高阶矩和高阶累积量的性质4.1.4平稳随机过程的高阶矩和高阶累积量4.1.5随机过程的互累积量4.2随机过程的高阶累积量谱和高阶矩谱4.2.1累积量谱和高阶矩谱的定义4.2.2累积量谱的特例4.2.3k阶相干函数和互累积量谱4.3高阶谱估计的非参数方法4.3.1直接法4.3.2间接法4.4非高斯过程与线性系统4.4.1非高斯白噪声过程4.4.2非高斯白噪声过程与线性系统参考文献第5章基于高阶统计量的信号处理方法5.1基于高阶统计量的系统辨识5.1.1非最小相位系统5.1.2基于高阶统计量的系统辨识5.1.3高阶统计量用于MA系统辨识5.1.4高阶统计量用于非因果AR模型辨识5.1.5ARMA模型参数估计方法5.2有色噪声中的信号提取5.2.1复信号累积量的定义5.2.2谐波过程的累积量5.2.3高斯有色噪声中的谐波恢复5.2.4非高斯有色噪声中的谐波恢复5.3基于高阶累积量的参数模型阶数的确定参考文献第6章高阶统计量在信号处理中的应用6.1基于高阶累积量的自适应信号处理6.1.1基于高阶累积量的自适应FIR算法6.1.2基于累积量的MMSE准则6.1.3RLS自适应算法6.2高阶统计量在独立分量分析中的应用6.2.1问题的数学描述6.2.21CA问题的解法6.3基于高阶累积量的时间延迟估计6.3.1基于双谱估计的时延估计6.3.2基于互双倒谱的时延估计6.3.3自适应时延估计方法参考文献第7章Alpha稳定分布与分数低阶统计量7.1历史回顾7.1.1历史回顾7.1.2发展动因7.2Alpha稳定分布的概念7.2.1a稳定分布的概念7.2.2a稳定分布的几种特殊情况7.2.3广义中心极限定理7.2.4a稳定分布的性质7.2.5a稳定分布的概率密度函数7.2.6多变量O稳定分布7.2.7对称O稳定分布随机信号(随机过程)7.3分数低阶统计量7.3.1分数低阶矩7.3.2负阶矩7.3.3零阶矩7.3.4a稳定分布过程的分类7.3.5用于脉冲特性信号建模的其他分布7.4共变及其应用7.4.1共变的概念7.4.2共变的主要性质7.4.3共变在线性回归中的应用7.4.4复SaS分布的共变7.5对称Alpha稳定分布的参数估计7.5.1最大似然估计方法7.5.2基于样本分位数的参数估计方法7.5.3基于样本特征函数的参数估计方法7.5.4无穷方差的检验7.5.5基于负阶矩的方法7.5.6计算机模拟中的若干问题参考文献第8章基于分数低阶统计量的信号处理8.1稳定分布的参数模型方法8.1.1最

包含以上所有资料DDSAD9850AD9851原理图串行程序并行程序目录1DDS简介1.1产品简介1.2参考资料2DDS的基本概念2.1DDS概述2.2DDS工作原理2.3DDS有关名词解释3具体应用问题3.1DDS没有输出，怎么办3.2哪些DDS能直接用晶体提供时钟，哪些不能3.3Update更新信号如何控制？3.4DDS的扫频功能如何实现3.5DDS输出级滤波器如何设计3.6DDS发烫，是否正常3.7DDS对输入时钟有什么要求3.8AD9910的时钟输入需要注意什么？3.9DDS时钟输入，DAC输出能否使用单端模式？电路该如何接3.10DDS评估板上分别有2个变压器或2个巴伦（Balun）有什么用处3.11DDS评估板上端接电阻为50欧，为何变压器的参数是在75欧标定的？3.12ADT1-1WT的原副边是否可以互换使用3.13如何同步多片DDS芯片的输出3.14DDS输出端DAC为电流输出，怎么转换为电压，有什么限制3.15DDS的AGND，DGND应该怎样连接，接模拟地还是数字地3.16有些DDS评估板上的MC100LVEL16的用途是什么？3.17AD7008已经停产，有什么可以替代3.18如何确定DDS寄存器的值3.19DDS的评估板软件对操作系统有什么要求3.20DDS除了正弦波，还能产生别的波形么3.21用DDS有什么好处3.22ADI的DDS捷变频能力为多少3.23有无DDS的参考程序代码3.24如何使用DDS进行幅度调制3.25如何用AD5930来产生一个单频信号3.26为什么DDS输出的幅度会随频率的增加而减小3.27DDS输出电压的幅度如何计算3.28应该用什么样的仪器来调试DDS3.29输出杂散较大，怎么办

SimonHaykin经典之作，值得一读

（最牛最方便的滤波器）包含巴特沃斯，切比雪夫等滤波器，频率自定义，计算后直接给出连接图，参数，极点，相位，衰减情况等。
非常详细。

西蒙.赫金的自适应滤波器原理（第四版PDF）

将遗传算法用于fir数字滤波器中参数选择的优化设计中，为课程实验报告，有matlab代码

基于论文“Real-TimeVideoAbstraction”的图像抽象化matlab代码，文中的滤波算法是双边滤波，附带图像，可以直接运行

匹配滤波器的实验，带MATLAB程序，雷达LFM应用

PCL的VoxelGrid类和ApproximateVoxelGrid类实现基于体素的滤波方法对点云进行下采样，八叉树同样也是建立体素，因此基于八叉树的体素同样可以对点云进行下采样。
PCL中有现成函数可实现求解八叉树体素中心，所以最简单的方法就是用八叉树的体素中心点来代替每一个体素内的点，从而实现点云的下采样。
注意：这种方法与ApproximateVoxelGrid基本相同，都是以中心点代替体素内的点。
惟一的区别是：ApproximateVoxelGrid可以自由设置体素的长宽高，而八叉树只能是构建正方体的体素。
  代码中也实现了对八叉树体素滤波的改进，即用距离体素中心点最近的点来代替

FBMC/OQAM多相滤波傅里叶变换，具有良好的性能

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。