
| 《自适应信号处理技术》 第1章绪论 1.1自适应滤波的基本概念 1.2自适应信号处理的发展过程 1.3自适应信号处理的应用 第2章维纳滤波 2.1问题的提出 2.2离散形式维纳滤波器的解 2.3离散形式维纳滤波器的性质 2.3.1正交原理的几何解释 2.3.2交原理推论 2.3.3最小均方误差 2.4横向滤波器的维纳解 2.4.1横向滤波器的维纳—霍夫方程及其解 2.4.2横向滤波器的误差性能 第3章最小均方自适应算法 3.1最陡下降法 3.1.1最陡下降法的基本思想 3.1.2最小均方误差最陡下降法 3.2牛顿法 .3.2.1牛顿法的基本思想 3.2.2最小均方误差牛顿法 3.3 lms算法 3.3.1lms算法描述 3.3.2lms算法的收敛性 3.3.3lms算法的权向量噪声 3.3.4lms算法的期望学习曲线 3.3.5lms算法的性能 3.4 lms牛顿算法 第4章改进型最小均方自适应算法 4.1归一化lms算法 4.1.1基于约束优化问题求解归一化lms算法 4.1.2归一化lms算法小结 4.2块lms算法 4.2.1块自适应滤波器 4.2.2块lms算法描述 4.2.3块lms算法的收敛性 4.2.4块lms算法块长度的选择 4.3快速块lms算法 第5章最小均方误差线性预测及自适应格型算法 5.1最小均方误差线性预测 5.1.1前向线性预测 5.1.2后向线性预测 5.1.3前向与后向线性预测的关系 5.2levinson-durbin算法 5.2.1levinson-durbin算法的导出 5.2.2levinson-durbin算法的几点说明 5.3格型滤波器 5.3.1格型滤波器的导出 5.3.2格型滤波器的性质 5.3.3格型滤波器的结构形式 5.4最小均方误差自适应格型算法 5.4.1自适应格型块处理迭代算法 5.4.2自适应格型随机梯度算法 第6章线性最小二乘滤波 6.1问题的提出 6.2线性最小二乘滤波的正则方程 6.2.1正则方程的推导 6.2.2正则方程的矩阵形式 6.2.3根据数据矩阵构建的正则方程 6.3线性最小二乘滤波的性能 6.3.1正交原理的推论 6.3.2最小平方和误差 6.4线性最小二乘滤波的向量空间法分析 6.4.1向量空间理论 6.4.2线性最小二乘滤波的向量空间解释 6.4.3线性最小二乘数据扩充更新关系 6.4.4线性最小二乘时间更新 第7章最小二乘横向滤波自适应算法 7.1递归最小二乘算法 7.1.1rls算法的导出 7.1.2rls算法小结 7.2 rls算法的收敛性 7.2.1rls算法的均值 7.2.2rls算法的均方偏差 7.2.3rls算法的期望学习曲线 7.3rls算法与lms算法的比较 7.4最小二乘快速横向滤波算法 7.4.1ftf算法中的四个横向滤波器 7.4.2横向滤波算子的时间更新 7.4.3ftf算法中的时间更新 7.4.4ftf算法描述 7.4.5frf算法的性能 第8章最小二乘格型滤波自适应算法 8.1最小二乘格型滤波器 8.1.1最小二乘前向预测误差的阶更新 8.1.2最小二乘后向预测误差的阶更新 8.1.3最小二乘格型结构 8.2 lsl自适应算法 8.2.1lsl算法导出 8.2.2lsl算法小结 8.2.3 lsl算法的性能 第9章非线性滤波及其自适应算法 9.1非线性滤波概述 9.2 volterra级数滤波器 9.2.1连续的volterra级数滤波器 9.2.2离散的volterra级数滤波器 9.3 lms volterra级数滤波器 9.4 rls volterra级数滤波器 9.5形态滤波器结构元优化设计的自适应算法 9.5.1形态滤波器的基本理论 9.5.2误差准则 9.5.3腐蚀与膨胀的自适应算法 9.6自适应加权组合广义形态滤波器 9.6.1广义形态滤波器的基本理论 9.6.2广义形态滤波器加权组合自适应算法 9.7层叠滤波器的自适应优化算法 9.7.1层叠滤波器的基本理论 9.7.2层叠滤波器最优估计算法 9.7.3自适应层叠滤波器 第10章自适应信号处。理的应用 10.1自适应模拟与系统辨识 10.1.1系统辨识基本理论 10.1.2 volterra模型系统辨识 10.1.3改进的volterra模型系统辨识 10.1.4fir滤波器综合的自适应模拟 10.2自适应逆模拟 10.2.1自适应逆模拟概述 10.2.2自适应信道均衡 10.2.3iir滤波器的自适应综合 10.3自适应干扰对消 10.3.1自适应干扰对消的原理 10.3.2平稳噪声对消解 10.3.3作为陷波滤波器的自适应干扰对消器 10.4自适应预测 10.4.1自适应预测概述 10.4.2自适应预测器用于对消周期干扰 10.4.3自适应谱线增强器 第11章盲自适应信号处理算法及应用 11.1盲系统辨识算法 11.1.1基于自相关的ar模型的盲辨识算法 11.1.2基于最大峰度准则的非因果ar系统辨识算法 11.2盲均衡算法 11.2.1bassgang类盲均衡算法 11.2.2自适应频域最小差错概率均衡算法 11.2.3过采样与独立分量分析的盲均衡算法 11.2.4基于高阶统计量的盲均衡算法 计算机实验 实验1lms算法的收敛性 实验2 lms自适应线性预测 实验3lms自适应模型识别 实验4 lms自适应均衡 实验5rls自适应线性预测 实验6 rls自适应模型识别 实验7 rls自适应均衡 实验8自适应格型块处理迭代算法仿真 实验9自回归模型的盲辨识 实验10基于恒模算法的盲均衡 附录a矩阵和向量 a.1矩阵 a.2向量 a.3二次型 a.4特征值和特征向量 a.5实对称矩阵 附录b相关矩阵 附录c时间平均相关矩阵 参考文献 |
商品评论(0条)