信号处理，准确的说，数字信号处理（DSP），或更广泛地说，信号与信息处理，属于电子信息工程专业中的一大研究领域。

提及电子工程，直观感觉好像是电子器件，电路，电气设备等等，其实其内涵已经远远不止于此。随着电子信息技术的发展，它往往会囊括通信、计算机、雷达、导航、电机、电力、控制、测量仪表等等领域，可谓博大精深。也是当今世界的几个主要产业之一（能源汽车电子钢铁农业等）。

而信号与信息处理学科又可以认为是一个交叉学科，往往与通信、控制、计算机等学科紧密关联。所以我们常常可以看到，很多计算机专业的研究人员会搞些图像处理的东西。信号处理的研究人员会搞些通信方面的东西，通信方向的研究人员又会搞些计算机网络相关的东西。因为这几者之间都是互通互联的，不存在严格的区分。

那么信号与信息处理具体又都主要研究哪些内容呢？根据我目前的粗浅的理解，可以通过一个简单的划分来做一个简单的介绍。

划分方式有多种，从研究方向上，可划分为基本的数字信号处理，阵列信号处理，多维信号处理，小波信号分析，多抽样率信号处理，自适应信号处理，统计信号处理（或者叫信号的检测与估值，或者叫噪声中信号的检测），功率谱估计等大方向，从应用领域上，可划分为通信信号处理，雷达信号处理，声音/语音信号处理，图像（医学影像）信号处理，地震信号处理等等。

信号与信息处理的应用领域是相当广泛的，稍举数例。

第一例，通信信号处理的广泛应用。与我们每个个体接触最多的就是移动电话了，即手机。小小手机，犹如麻雀五脏俱全，其通信过程中包含了丰富的信号处理过程，如信号的变换，调制，信号的检测，信号参数的估计和获取，接收机的频偏估计、信道估计、信息的采集、恢复、压缩编码等等。又比如卫星通信，深空通信，都属于是噪声中的微弱信号检测，上面提到的统计信号处理，或者叫信号检测与估值，在深空通信中大有用武之地。又比如导航，本质也是通信，只不过通信的目的不再是语音通话，而是定位。通信的发展已经到达这样一个地步，位于巴基斯坦的美国特种部队袭杀本拉登的全部过程可以实时的传送给美国白宫，供奥巴马总统和五角大楼高级将领实时观看。这在以前是不可想象的。

第二例，数字图像处理的广泛应用。日常应用中，最常见的就是数码相机了，自从数码相机诞生之日起，因其易用性不断迅猛发展，以至于到目前为止，已经将传统的胶片相机完全挤出了日常消费市场，并同时不断进攻和蚕食胶片摄影的高端摄影领域，单反的日益普及就是一个明证。近日百年老店柯达的结果也是一个明证。这也从一个侧面也反映了数字信号处理之强大。数码相机的图像处理过程同样包含了丰富的信号处理。准确的说，是数字图像处理。图像的信号采集、变换，比如图像的压缩编码处理（JPEG用到DCT），图像大小的变换，白平衡、色彩的调整等等。所有这些都通过数字信号的形式进行处理，也即数字图像处理。又比如数字电视，安全领域的视频监控，涉及到了动态图像的捕获，压缩编码处理，传输和检测、提取、跟踪等等，畅想一下，当代WLAN日趋成熟，基于数字图像处理可开发一套智能视频检测算法，组装成一个视频监控和存储记录装置，放到家中，只要小偷一进屋，智能检测算法立即识别并启动摄像头进行视频录取，记录小偷的相貌身形等特征，同时通过WLAN传送至另一个隐藏的视频存储装置，即使小偷发现了明面上的摄像头，但是要找到视频记录装置是较困难的。再举一例，美国著名的战斧巡航导弹，就利用了图像匹配算法，将实时摄取的当前地形照片与预先存储好的地形照片进行实时匹配，从而确定导弹的当前位置，控制导弹的前进方向。

信号与信息处理在图像和视频领域极为突出的一个方向即图像信息的压缩。因为相对于语音信号，图像/视频信号的容量显得更为庞大，这对图像/视频信号的传输也好，还是存储处理也好，都构成了严重的挑战。基于一幅图像的相邻区域的相关性冗余，或者基于视频图像相邻帧的相关冗余，可以对图像/视频进行大幅度的压缩。比如，类似傅立叶变换，基于DCT（离散余弦变换）和霍夫曼编码技术，人们制定了JPEG的静态图像压缩标准。基于DWT（离散小波变换），制定了JPEG2000图像压缩标准。

第三例，医学影像处理。本质上也属于数字图像处理，但由于在医学上的广泛应用，已经形成了一个极为重要的图像处理分支。比如IEEE会刊，除了ImageProcessing之外，还有MedicalImaging，由此可见一斑。医学影像处理极大的革新了医疗诊断和治疗手段，比如基于图像处理中的RADEON变换（基于多个角度的一维信息恢复人体截面的二维信息），制造出了能够呈现高清晰度人体三维影像的计算机断层扫描。相对传统的模拟信号形式的X射线成像，清晰度大幅度提升。鉴于在医学成像领域的革命性创新，发明人还因此获得了诺贝尔医学奖。

第四例，语音信号处理。语音在人际交流与沟通中，发挥着重要作用，以至于人们平时都已经不大注意到了。信号处理在语音信号领域也可以大展拳脚。比如语音信号的压缩，人的声音基本分布在20-22000赫兹的范围，因此要不失真的录取人的声音，根据香农采样定理，采样率得达到44000赫兹，而这正是CD的数据速率。但是为了更有效的节省信道带宽，基于AR参数模型等方法，可以将数据速率压缩到3k-4k左右，而基本不令语音产生较大的失真。这样就使得同样的一个物理信道，可以同时容纳更多的通话用户，也即在不增加硬件成本的情况下，大大增加了通信的容量。比如语音识别，本质上属于模式识别，但由于语音的重要应用，已经发展成为模式识别的一个分量很重的分支，而语音识别的一个重要工具和理论支撑就是随机过程中的马尔可夫过程。又比如语音/乐音合成，熟悉音乐的朋友应该都知道日本的雅马哈，其数字音乐合成技术令人惊叹。

第五例，军事应用。就像上面提到的通信应用一样，军事应用也为信号处理提供了极为肥沃的土壤。信号处理在军事领域的应用实在是太广泛了。我们完全也可以这么来说，是军事领域的迅猛发展和强烈需求，极大促进了的信号处理的研究和发展。比如二十世纪四十年代，受二战的强烈刺激，控制论，信息论等理论应孕而生，从而导致导弹、火箭、通信、雷达等领域的开创和发展。比如扩频通信首先就是在军事领域得到了广泛应用，只是到了二十世纪八十年代，才开始进行商业化应用，也就是WCDMA、CDMA2000、TDS等各种3G制式。在军事应用最为突出的一个领域就是雷达信号处理。诸如SAR（合成孔径成像），脉冲多普勒雷达，功率谱估计，时频联合分析等等，都是信号处理应用的集中体现。相控阵雷达的发展离不开阵列信号处理的深入研究，同样近年来火热的MIMO也好，时空编码也好，与相控阵雷达的原理也有诸多相通之处，这些都是阵列信号处理大展拳脚的地方。

第六例，模式识别，更准确的说，属于信息处理的范畴。相对信号而言，是更高一层的处理。模式识别应用相当广泛，如前面提到的语音识别，又比如人脸识别，指纹识别等等，工业生产制造领域的各种识别检测等等。换个思路，应用到军事领域，就是导弹的精确目标识别和打击（畅想一下，若是真正搞好了，估计也就不必荆轲刺秦王了，因此也是令人恐怖的一个方向。和各种科学技术一样，关键还是取决于人类自身，就看以何种方式加以运用，以及应用到什么地方）。模式识别是一个相当广泛的研究领域，由此也促进了很多理论的创立，产生了很多分支，并且新理论，新方法层出不穷，不断的冒出来，由此也可以说明这个领域的火热。比如神经网络，人工智能，模糊模式识别，支撑矢量机。有些是革命性的创新，也有很多只是名词的改换，但这恰恰从正反两面反映了这个研究领域的活跃。

信号处理的应用实在广泛，难以逐一列举。就像其他理工领域一样，都离不开深厚的数学基础。比如信号处理的一大块基石：傅立叶变换，是十九世纪法国数学家傅立叶进行热学分析时创立的。又比如近二十年来兴起的小波理论，本来是多分辨率分析，滤波器组，时频联合分析等多个研究领域的人分头研究，都以为自己发现了一套新的理论方法，但到最后，大家才豁然开朗，原来这几者之间有诸多相通之处，最终却是殊途同归。而且还发现，早在二十世纪上半叶，理论物理学家Grossman就已经根据自身所从事的理论物理领域，对其进行了深入研究。这也再一次表明了数学和物理理论研究往往会走在工程研究的前面。

信号与信息处理的研究与发展，也离不开通信、计算机、自动控制等多个领域的发展，诸多之间是一种相辅相成，共同促进的关系。同样，信号与信息处理的应用，更离不开微电子技术的支撑，也正因为微电子技术的迅猛发展，才使得信号与信息处理的应用从理论成为现实，这在以往的几十年中的案例屡见不鲜，并将在日后体现的更为深刻。

信号处理博大精深，前途远大.当前，我对它的理解仍很肤浅，需要不断学习，不断加深对其的理解。从更广泛的意义上来说，信号处理的研究和应用，对于改善人们的工作、生活、娱乐等都有重要意义。相对信号处理来说，信息处理的应用更为广泛，也更能直接影响人们的生活。或者更拔高一个高度，与信号/信息处理所相关的通信、导航、识别、检索、传输、存储、分类、识别等领域，将极大的促进人类文明的历史发展进程，包括赛先生——科学（Science），也会包括德先生——民主（Democracy）。