回答:
時々、「統計信号処理」と題されたコースがあり、それは始めるのに良い場所です:-)大学にこれがない場合は、「検出と推定」または「高度な信号処理」を探してみてください。大学が手元にない場合は、http：//ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-432-stochastic-processes-detection-and-estimation-springを試してみてください。 -2004 /
多くの統計信号処理は線形であるため、できるだけ多くの線形代数を学習する必要があります。確率論的プロセスは基礎コースです。制御理論はSSPと多くを共有しており、非常に役立ちます。
最初はこれで十分です:-)
これらの古典的な参照は良い出発点です：
B. Porat、ランダム信号のデジタル処理、Prentice-Hall、1994。ライブラリシリアル番号2144342。
A. Papoulis、Probability、Random Variables and Stochastic Processes、第3版。、McGraw-Hill、1991。ライブラリのシリアル番号21111643。
SMケイ、統計信号処理の基礎、第1巻：推定理論、プレンティスホール、1993。ライブラリのシリアル番号2157997。
KTウォン（ウォータールー大学）の講義ノートを試すこともできます。
YouTubeのM.Chakraborty教授による適応型信号処理に関するこの講義シリーズの一部もご覧になることができます
こんにちは、
あなたが分野での研究に興味があると仮定して、数学の強力な基礎の上に構築された道をたどるようアドバイスします。
私はこれを知っています。推定と検出のコースの講義を終えたばかりであり、仕事の質と目新しさと数学の知識の間には強い相関関係があることを保証できます。
どんな数学？
線形代数：
ベクトル空間と行列代数について知っておく必要があるのは、他の誰かが以前に投稿したように、このタイプのモデルを掘り下げる理論とアルゴリズムはたくさんあります。よく使用されるいくつかの結果は、逆行列補題であり、すべて行列分解に関係しています。
確率論と確率過程
これも重要です。統計的信号処理とは、ランダムである可能性のある現象の誤った観測（ノイズの多い）を使用して情報（推論）を検出および推定する方法に関するものです。
したがって、この種のオブジェクトを処理する方法を知る必要があります。確率の基本コースは良い出発点（ランダム変数とランダムベクトルをカバーし、うまくいけばランダムシーケンスとプロセスについて少し話す）を提供しますが、ランダムプロセスに焦点を当てた2番目のコースを取ることが望ましいです。研究や技術で使用される多くのアプリケーションや実際の実装を理解できるようになるため、これらのアイデアにはある程度の自信が必要です。
2番目の層では、推定量の計算は主に最大化と最小化の問題（最尤推定量、最小平均二乗誤差推定量など）の解決に基づいているため、最適化のコースをとることも検討します。
もちろん、「アルゴリズム」の視点もあります。そこでは、高速計算、収束、複雑さの軽減などのための統計信号処理手順にさらに集中しますが、結局、開発の新しいアイデアには、数学の優れた基礎が必要です。
特定の現象の内部動作に関する知識も、特定のセットアップで使用する予定のモデルを作成するための鍵となることに注意してください。その意味で、デジタル通信、デジタル信号処理、さらには電子回路のコースから得られる実践的な経験は、研究者としての優位性を得るのに非常に貴重です。
ご不明な点がございましたら、お気軽にお問い合わせください。
乾杯、パトリシオ
tdc引用された、Papoulis（この分野のリーダーの一人にRIP）は最高の本の一つですが、最初のようなものを経由して、それにステップする必要があるかもしれませんhttp://www.amazon.com/Discrete-Time-Signal -Processing-2nd-Prentice-Hall / dp / 0137549202あなたが信号処理の良い学部/初期の大学院のコースを持っていなかった場合（私はそうではなく、少し傷つきました）。
より統計的な観点から（ただし、エンジニアにとっては非常に有効です）は、http：//www.amazon.com/Random-Data-Measurement-Procedures-Probability/dp/0470248777/ref=sr_1_1？s = books＆ie = UTF8＆qid = 1323737134＆sr = 1-1。これは情報とエラに詰め込まれているので、非常に遅いです。