图书介绍
自适应信号处理技术PDF|Epub|txt|kindle电子书版本网盘下载
- 赵春晖，张朝柱，王立国等编著 著
- 出版社： 北京：北京理工大学出版社
- ISBN：9787564023836
- 出版时间：2009
- 标注页数：238页
- 文件大小：11MB
- 文件页数：249页
- 主题词：自适应控制－信号处理－高等学校－教材
PDF下载
下载说明
自适应信号处理技术PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1 自适应滤波的基本概念1
1.2 自适应信号处理的发展过程2
1.3 自适应信号处理的应用3
第2章 维纳滤波6
2.1 问题的提出6
2.2 离散形式维纳滤波器的解6
2.3 离散形式维纳滤波器的性质8
2.3.1 正交原理的几何解释8
2.3.2 正交原理推论8
2.3.3 最小均方误差9
2.4 横向滤波器的维纳解9
2.4.1 横向滤波器的维纳-霍夫方程及其解9
2.4.2 横向滤波器的误差性能10
第3章 最小均方自适应算法17
3.1 最陡下降法17
3.1.1 最陡下降法的基本思想17
3.1.2 最小均方误差最陡下降法18
3.2 牛顿法24
3.2.1 牛顿法的基本思想24
3.2.2 最小均方误差牛顿法25
3.3 LMS算法29
3.3.1 LMS算法描述29
3.3.2 LMS算法的收敛性31
3.3.3 LMS算法的权向量噪声35
3.3.4 LMS算法的期望学习曲线38
3.3.5 LMS算法的性能40
3.4 LMS牛顿算法42
第4章 改进型最小均方自适应算法45
4.1 归一化LMS算法45
4.1.1 基于约束优化问题求解归一化LMS算法45
4.1.2 归一化LMS算法小结47
4.2 块LMS算法48
4.2.1 块自适应滤波器48
4.2.2 块LMS算法描述49
4.2.3 块LMS算法的收敛性50
4.2.4 块LMS算法块长度的选择50
4.3 快速块LMS算法51
第5章 最小均方误差线性预测及自适应格型算法53
5.1 最小均方误差线性预测53
5.1.1 前向线性预测53
5.1.2 后向线性预测56
5.1.3 前向与后向线性预测的关系58
5.2 Levinson-Durbin算法59
5.2.1 Levinson-Durbin算法的导出60
5.2.2 Levinson-Durbin算法的几点说明62
5.3 格型滤波器64
5.3.1 格型滤波器的导出64
5.3.2 格型滤波器的性质66
5.3.3 格型滤波器的结构形式67
5.4 最小均方误差自适应格型算法68
5.4.1 自适应格型块处理迭代算法68
5.4.2 自适应格型随机梯度算法71
第6章 线性最小二乘滤波74
6.1 问题的提出74
6.2 线性最小二乘滤波的正则方程76
6.2.1 正则方程的推导76
6.2.2 正则方程的矩阵形式77
6.2.3 根据数据矩阵构建的正则方程78
6.3 线性最小二乘滤波的性能80
6.3.1 正交原理的推论80
6.3.2 最小平方和误差80
6.4 线性最小二乘滤波的向量空间法分析81
6.4.1 向量空间理论81
6.4.2 线性最小二乘滤波的向量空间解释84
6.4.3 线性最小二乘数据扩充更新关系87
6.4.4 线性最小二乘时间更新89
第7章 最小二乘横向滤波自适应算法93
7.1 递归最小二乘算法93
7.1.1 RLS算法的导出93
7.1.2 RLS算法小结96
7.2 RLS算法的收敛性97
7.2.1 RLS算法的均值97
7.2.2 RLS算法的均方偏差98
7.2.3 RLS算法的期望学习曲线99
7.3 RLS算法与LMS算法的比较100
7.4 最小二乘快速横向滤波算法100
7.4.1 FTF算法中的四个横向滤波器101
7.4.2 横向滤波算子的时间更新109
7.4.3 FTF算法中的时间更新112
7.4.4 FTF算法描述119
7.4.5 FTF算法的性能121
第8章 最小二乘格型滤波自适应算法123
8.1 最小二乘格型滤波器123
8.1.1 最小二乘前向预测误差的阶更新123
8.1.2 最小二乘后向预测误差的阶更新125
8.1.3 最小二乘格型结构125
8.2 LSL自适应算法126
8.2.1 LSL算法导出126
8.2.2 LSL算法小结128
8.2.3 LSL算法的性能129
第9章 非线性滤波及其自适应算法131
9.1 非线性滤波概述131
9.2 Volterra级数滤波器132
9.2.1 连续的Volterra级数滤波器133
9.2.2 离散的Volterra级数滤波器133
9.3 LMS Volterra级数滤波器135
9.4 RLS Volterra级数滤波器137
9.5 形态滤波器结构元优化设计的自适应算法138
9.5.1 形态滤波器的基本理论139
9.5.2 误差准则140
9.5.3 腐蚀与膨胀的自适应算法141
9.6 自适应加权组合广义形态滤波器145
9.6.1 广义形态滤波器的基本理论145
9.6.2 广义形态滤波器加权组合自适应算法145
9.7 层叠滤波器的自适应优化算法147
9.7.1 层叠滤波器的基本理论147
9.7.2 层叠滤波器最优估计算法150
9.7.3 自适应层叠滤波器157
第10章 自适应信号处理的应用159
10.1 自适应模拟与系统辨识159
10.1.1 系统辨识基本理论159
10.1.2 Volterra模型系统辨识162
10.1.3 改进的Volterra模型系统辨识164
10.1.4 FIR滤波器综合的自适应模拟168
10.2 自适应逆模拟172
10.2.1 自适应逆模拟概述172
10.2.2 自适应信道均衡174
10.2.3 IIR滤波器的自适应综合180
10.3 自适应干扰对消184
10.3.1 自适应干扰对消的原理184
10.3.2 平稳噪声对消解186
10.3.3 作为陷波滤波器的自适应干扰对消器188
10.4 自适应预测191
10.4.1 自适应预测概述191
10.4.2 自适应预测器用于对消周期干扰191
10.4.3 自适应谱线增强器193
第11章 盲自适应信号处理算法及应用196
11.1 盲系统辨识算法196
11.1.1 基于自相关的AR模型的盲辨识算法196
11.1.2 基于最大峰度准则的非因果AR系统辨识算法200
11.2 盲均衡算法205
11.2.1 Bassgang类盲均衡算法205
11.2.2 自适应频域最小差错概率均衡算法212
11.2.3 过采样与独立分量分析的盲均衡算法215
11.2.4 基于高阶统计量的盲均衡算法218
计算机实验222
实验1 LMS算法的收敛性222
实验2 LMS自适应线性预测222
实验3 LMS自适应模型识别223
实验4 LMS自适应均衡224
实验5 RLS自适应线性预测225
实验6 RLS自适应模型识别226
实验7 RLS自适应均衡226
实验8 自适应格型块处理迭代算法仿真226
实验9 自回归模型的盲辨识226
实验10 基于恒模算法的盲均衡227
附录A 矩阵和向量228
A.1 矩阵228
A.2 向量229
A.3 二次型230
A.4 特征值和特征向量230
A.5 实对称矩阵231
附录B 相关矩阵233
附录C 时间平均相关矩阵234
参考文献236