? 這套三卷本的《統計信號處理基礎》是榮獲過IEEE信號處理協會教育獎章的Steven M. Kay教授享譽全球的經典名著。? 在統計學相關的諸多著作中，既有統計學家撰寫的，也有應用統計技術的專家編著的，前者注重理論的嚴密性，後者更為強調實際的應用，《統計信號處理基礎》則試圖在兩個方面達到平衡，並且還重點關注將這些理論轉換成數字計算機上實現的軟件算法。

●第1章 引論
1.1 信號處理中的估計
1.2 估計的數學問題
1.3 估計量性能評估
1.4 幾點說明
第2章 最小方差無偏估計
2.1 引言
2.2 提要
2.3 無偏估計量
2.4 最小方差準則
2.5 最小方差無偏估計的存在性
2.6 求最小方差無偏估計量
2.7 擴展到矢量參數
第3章 Cramer-Rao下限
3.1 引言
3.2 提要
3.3 估計量精度考慮
3.4 Cramer-Rao下限(CRLB)
3.5 高斯白噪聲中信號的一般CRLB
3.6 參數的變換
3.7 擴展到矢量參數
3.8 矢量參數變換的CRLB
3.9 一般高斯情況的CRLB
3.10 WSS高斯隨機過程的漸近CRLB
3.11 信號處理的例子
附錄3A 標量參數CRLB的推導
附錄3B 矢量參數CRLB的推導
附錄3C 一般高斯CRLB的推導
附錄3D 漸近CRLB的推導
第4章 線性模型
4.1 引言
4.2 提要
4.3 定義和性質
4.4 線性模型的例子
4.5 擴展到線性模型
第5章 一般最小方差無偏估計
5.1 引言
5.2 提要
5.3 充分統計量
5.4 求充分統計量
5.5 利用充分統計量求MVU估計量
5.6 擴展到矢量參數
附錄5A Neyman-Fisher因子分解定理（標量參數）的證明
附錄5B Rao-Blackwell-Lehmann-Schetfe定理（標量參數）的證明
第6章 很好線性無偏估計量
6.1 引言
6.2 提要
6.3 BLUE的定義
6.4 求BLUE
6.5 擴展到矢量參數
6.6 信號處理的例子
附錄6A 標量BLUE的推導
附錄6B 矢量BLUE的推導
第7章 優選似然估計
7.1 引言
7.2 提要
7.3 舉例
7.4 求MLE
7.5 MLE的性質
7.6 變換參數的MLE
7.7 MLE的數值確定
7.8 擴展到矢量參數
7.9 漸近MLE
7.10 信號處理的例子
附錄7A 蒙特卡洛方法
附錄7B 標量參數MLE的漸近PDF
附錄7C EM算法例題中條件對數似然函數的推導
第8章 最小二乘估計
8.1 引言
8.2 提要
8.3 最小二乘估計方法
8.4 線性最小二乘估計
8.5 幾何解釋
8.6 按階遞推最小二乘估計
8.7 序貫最小二乘估計
8.8 約束最小二乘估計
8.9 非線性最小二乘估計
8.10 信號處理的例子
附錄8A 按階遞推最小二乘估計的推導
附錄8B 遞推投影矩陣的推導
附錄8C 序貫最小二乘估計的推導
第9章 矩方法
9.1 引言
9.2 提要
9.3 矩方法
9.4 擴展到矢量參數
9.5 估計量的統計評價
9.6 信號處理的例子
第10章 貝葉斯原理
10.1 引言
10.2 提要
10.3 先驗知識和估計
10.4 選擇先驗PDF
10.5 高斯PDF的特性
10.6 貝葉斯線性模型
10.7 多餘參數
10.8 確定性參數的貝葉斯估計
附錄10A 條件高斯PDF的推導
第11章 一般貝葉斯估計量
11.1 引言
11.2 提要
11.3 風險函數
11.4 最小均方誤差估計量
11.5 優選後驗估計量
11.6 性能描述
11.7 信號處理的例子
附錄11A 連續時間繫統到離散時間繫統的轉換
第12章 線性貝葉斯估計量
12.1 引 言
12.2 提要
12.3 線性MMSE估計
12.4 幾何解釋
12.5 矢量LMMSE估計量
12.6 序貫LMMSE估計
12.7 信號處理的例子——維納濾波器
附錄12A 貝葉斯線性模型的序貫LMMSE估計量的推導
第13章 卡爾曼濾波器
13.1 引言
13.2 提要
13.3 動態信號模型
13.4 標量卡爾曼濾波器
13.5 卡爾曼濾波器與維納濾波器的關繫
13.6 矢量卡爾曼濾波器
13.7 擴展卡爾曼濾波器
13.8 信號處理的例子
附錄13A 矢量卡爾曼濾波器的推導
附錄13B 擴展卡爾曼濾波器的推導
第14章 估計量總結
14.1 引言
14.2 估計方法
14.3 線性模型
14.4 選擇一個估計量
第15章 復數據和復參數的擴展
15.1 引言
15.2 提要
15.3 復數據和復參數
15.4 復隨機變量和PDF
15.5 復WSS隨機過程
15.6 導數、梯度和很優化
15.7 采用復數據的經典估計
15.8 貝葉斯估計
15.9 漸近復高斯PDF
15.10 信號處理的例子
附錄15A 復協方差矩陣的性質的推導
附錄15B 復高斯PDF性質的推導
附錄15C CRLB和MLE公式的推導
附錄A1 重要概念綜述
A1.1 線性代數和矩陣代數
A1.2 概率、隨機過程和時間序列模型
附錄A2 符號和縮寫術語表

《統計信號處理基礎》分為3卷，本書是第1卷，詳細介紹了經典估計理論和貝葉斯估計，總結了各種估計方法，考慮了維納濾波和卡爾曼濾波，並介紹了對復數據和參數的估計方法。
本書適合作為高等院校低年級研究生或高年級本科生統計信號處理課程的教材或參考書，也可供相關技術人員參考。

(美)史蒂文·凱 著