Answers:
有时会有一门名为“统计信号处理”的课程，这是一个不错的起点：-)如果您的大学没有，请尝试寻找“检测和估计”或“高级信号处理”。如果您没有方便的大学，可以尝试http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-432-stochastic-processes-detection-and-estimation-spring -2004 /
很多统计信号处理都是线性的，因此您应该学习尽可能多的线性代数。僵化过程是基础课程。控制理论与SSP有很多共同之处，将非常有用。
这应该足够开始了:-)
你好
假设您有兴趣在该领域进行研究，我将为您建立在牢固的数学基础上的道路提供建议。
我知道这一点，因为我刚刚完成了“估计与检测”课程的教学，并且可以向您保证，作品的质量和新颖性与您的数学知识之间存在密切的关联。
什么样的数学？
线性代数：
您需要了解向量空间和矩阵代数，因为；正如其他人以前发布的那样，有很多理论和算法都在研究这种类型的模型。经常使用的一些结果是逆矩阵引理，所有与矩阵分解有关。
概率论与随机过程
这也是关键。统计信号处理是关于使用也可能是随机的现象的错误观察（嘈杂）来检测和估计信息（推断）的方法。
因此，您需要知道如何处理此类对象。基本的概率课程可以为您提供一个很好的起点（涵盖随机变量和随机向量，并希望谈论随机序列和过程），但是最好选择第二个过程，侧重于随机过程。您需要对这些想法有一定的信心，因为它将使您了解研究和技术中使用的许多应用程序和实际实现。
在第二层，我还将考虑参加“优化”课程，因为估算器的计算主要基于求解最大化和最小化的问题（最大似然估计器，最小均方误差估计器等）。
当然，也存在“算法”观点，您将精力更多地集中在统计信号处理过程上，以进行快速计算，收敛，低复杂度等，但是最终，新思想的发展需要数学的良好基础。
请注意，您对给定现象的内部运作的知识也是生成计划在给定设置中使用的模型的关键。从这个意义上讲，您可以从数字通信，数字信号处理乃至电子电路课程中获得的实践经验非常宝贵，可以使您成为研究人员。
如果您还有其他问题，请随时与我联系。
干杯，帕特里西奥
如前所述tdc，Papoulis（RIP代表该领域的领导者之一）是最好的书之一，但您可能需要先通过http://www.amazon.com/Discrete-Time-Signal之类的书进入其中。 -Processing-2nd-Prentice-Hall / dp / 0137549202，如果您还没有信号处理方面的优秀本科生/早期研究生课程（我没有，那会有点痛苦）。
从更统计的角度（但对于工程师来说仍然非常有效）是http://www.amazon.com/Random-Data-Measurement-Procedures-Probability/dp/0470248777/ref=sr_1_1?s=books&ie=UTF8&qid=1323737134&sr= 1-1。这与信息包装在一起，因此阅读速度很慢。