提出实用技术中的数字信号处理，同时避免了详尽的数学和抽象理论的障碍。

国外大牛所著，从基础入手，详细阐述了阵列信号的特性，并从工程角度描述了多种自适应阵列信号处理算法，DOA估计等技术，帮助读者快速进入阵列信号处理领域

别的网站找到的中文版。Fundamentals of Statistical Signal Processing: Estimation Theory

作者Seven.Kay，国外检测原理课程教材；现代检测理论top教材

BioSPPy-Python中的生物信号处理 用Python编写的用于生物信号处理的工具箱。 该工具箱将各种信号处理和模式识别方法捆绑在一起，旨在进行生物信号分析。 强调： 支持各种生物信号：PPG，ECG，EDA，EEG，EMG，呼吸 信号分析原语：滤波，频率分析 聚类 生物识别 可以在以下位置找到文档： : 安装 使用pip可以轻松完成安装： $ pip install biosppy 简单的例子 下面的代码从examples文件夹中加载ECG信号，对其进行过滤，执行R峰检测并计算瞬时心率。 from biosppy import storage from biosppy . signals import ecg # load raw ECG signal signal , mdata = storage . load_txt ( './examples/ecg.txt'

信号处理 压缩感测 该项目是GSU数值分析研究小组的一部分，该研究小组在叶晓静博士的建议下进行。 该项目的重点是创建一个正态分布的玩具数据集，以执行近距离渐变方法的规则和加速变化，以实现压缩感测。 玩具数据集因原始问题而稀疏创建； 对于非稀疏信号，使用小波变换首先对数据进行稀疏处理，然后执行加速的压缩感测，然后使用逆变换将其带回到信号的原始域，从而解决了该问题的变体。 鼓励读者阅读以了解设置，数学和结果 需要什么工作？ 虽然大多数数学软件都经过了优化，但是代码本身需要一些巧妙的优化，以加快采样过程。

SPECTRAL ESTIMATION, SIGNAL MODELING, ADAPTIVE fiLTERING AND ARRAY PROCESSING

Fundamentals+of+Statistical+Signal+Processing,+Volume+I+-+Estimation+Theory

本书可称为语音信号处理领域最新最好的指导书和参考资料。作者在所开设的麻省理工学院研究生课程的基础上，介绍了语音信号处理的主要原理、重要应用以及最新研究动态，并且指出了新的研究方向的进展和局限性。全书在理论和应用之间达到了极好的平衡。首先讲解了用于理解离散时间语音信号处理的完整理论基础，然后介绍了语音信号处理方面的重要研究进展，其中包括正弦语音处理、语音时频分析以及非线性声学语音产生模型，而这些进展情况在以往任何一本语音信号处理教科书中都不曾提及。本书在应用部分深入介绍了以下内容：语音编码、语音增强、语音综合、说话人识别、语音降噪、语音信号恢复、动态范围压缩等。值得注意的是，在本书的原理和应用部分恰当地加入了非常完整的实例和MATLAB习题。 本书适合作为数字语音处理及相关方向的研究生教材，也可供有关领域的研究人员参考阅读。

图3.9 恒虚警检测器原理框图 实际工作时，为了减少虚警点，选择二维恒虚警检测，先在距离维做滑窗处 理，完成距离维的恒虚警检测，如果检测单元超过门限，然后对这个检测单元再 做一次多普勒维的恒虚警检测。因为杂点有可能距离维过了门限，但是不满足多 普勒维的检测门限，经过两维检测之后可以减少杂点。又因为同一个目标信号有 可能在相邻的多普勒滤波器中都有输出，所以可以在每个距离单元上进行简单的 选大，如此，在一个距离单元上只对应一个多普勒频率值，使目标多普勒频率更 加精确。