当前位置:首页 > 工业技术
自适应滤波算法与实现  第4版
自适应滤波算法与实现  第4版

自适应滤波算法与实现 第4版PDF电子书下载

工业技术

  • 电子书积分:14 积分如何计算积分?
  • 作 者:(巴西)迪尼兹著
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2014
  • ISBN:9787121238536
  • 页数:442 页
图书介绍:本书简明地介绍了自适应信号处理和自适应滤波的主要概念,在统一框架下对主要类型的自适应滤波算法进行了阐述。本书揭示出自适应滤波的坚实理论基础,第四版与第二版相比,不仅包含了原书中关于自适应滤波的经典理论和非线性自适应滤波、子带自适应滤波、线性约束维纳滤波器、LMS类算法、RLS算法、IIR算法、仿射投影算法等内容,还增加了数据选择性自适应滤波、盲自适应滤波、复信号自适应滤波、卡尔曼滤波和集员仿射投影算法等全新内容和研究成果。本书符号表示清晰,主要算法均以图表形式给出,许多举例来源于实际问题。
《自适应滤波算法与实现 第4版》目录

第1章 自适应滤波导论 1

1.1 引言 1

1.2 自适应信号处理 2

1.3 自适应算法简介 3

1.4 应用 5

参考文献 7

第2章 自适应滤波基础 9

2.1 引言 9

2.2 信号表示 9

2.2.1 确定性信号 9

2.2.2 随机信号 10

2.2.3 遍历性 15

2.3 相关矩阵 16

2.4 维纳滤波器 24

2.5 线性约束维纳滤波器 28

2.6 MSE曲面 32

2.7 偏差和一致性 35

2.8 牛顿算法 35

2.9 最陡下降算法 35

2.10 应用回顾 39

2.10.1 系统辨识 39

2.10.2 信号增强 40

2.10.3 信号预测 41

2.10.4 信道均衡 42

2.10.5 数字通信系统 47

2.11 小结 49

2.12 习题 49

参考文献 52

第3章 最小均方(LMS)算法 55

3.1 引言 55

3.2 LMS算法 55

3.3 LMS算法特性 57

3.3.1 梯度特性 57

3.3.2 系数向量的收敛特性 57

3.3.3 系数误差向量协方差矩阵 59

3.3.4 误差信号的特性 61

3.3.5 最小均方误差 61

3.3.6 超量均方误差和失调 62

3.3.7 瞬态特性 64

3.4 非平稳环境下LMS算法的特性 65

3.5 复数LMS算法 68

3.6 举例 69

3.6.1 分析举例 69

3.6.2 系统辨识仿真 77

3.6.3 信道均衡仿真 81

3.6.4 快速自适应仿真 83

3.6.5 线性约束LMS算法 86

3.7 小结 89

3.8 习题 89

参考文献 92

第4章 基于LMS准则的算法 94

4.1 引言 94

4.2 量化误差算法 94

4.2.1 符号误差算法 95

4.2.2 双符号算法 100

4.2.3 2的幂误差算法 101

4.2.4 符号-数据算法 102

4.3 LMS-牛顿算法 102

4.4 归一化LMS算法 104

4.5 变换域LMS算法 106

4.6 仿射投影算法 112

4.6.1 仿射投影算法的失调 116

4.6.2 非平稳环境下的算法特性 122

4.6.3 暂态特性 124

4.6.4 复数仿射投影算法 126

4.7 举例 127

4.7.1 分析举例 127

4.7.2 系统辨识仿真 130

4.7.3 信号增强仿真 133

4.7.4 信号预测仿真 135

4.8 小结 137

4.9 习题 138

参考文献 141

第5章 常规RLS自适应滤波器 144

5.1 引言 144

5.2 递归最小二乘算法 144

5.3 最小二乘解的特性 147

5.3.1 正交原理 147

5.3.2 最小二乘解与维纳解的关系 148

5.3.3 确定性自相关初始化的影响 148

5.3.4 系数向量的稳态特性 149

5.3.5 系数误差向量协方差矩阵 150

5.3.6 误差信号的特性 151

5.3.7 超量均方误差和失调 154

5.4 在非平稳环境下的特性 158

5.5 复数RLS算法 160

5.6 举例 162

5.6.1 分析举例 162

5.6.2 系统辨识仿真 163

5.6.3 信号增强仿真 164

5.7 小结 167

5.8 习题 167

参考文献 169

第6章 数据选择性自适应滤波 170

6.1 引言 170

6.2 集员滤波 170

6.3 集员归一化LMS算法 172

6.4 集员仿射投影算法 174

6.4.1 向量γ(k)的平凡选择 176

6.4.2 简单向量γ(k) 177

6.4.3 降低简化SM-AP算法的复杂度 178

6.5 集员双归一化LMS算法 179

6.5.1 SM-BNLMS算法1 181

6.5.2 SM-BNLMS算法2 182

6.6 计算复杂度 183

6.7 时变γ 184

6.8 部分更新自适应滤波 186

6.9 举例 190

6.9.1 分析举例 190

6.9.2 系统辨识仿真 190

6.9.3 回声消除环境 193

6.9.4 无线信道环境 198

6.10 小结 204

6.11 习题 204

参考文献 207

第7章 自适应格型RLS算法 209

7.1 引言 209

7.2 递归最小二乘预测 209

7.2.1 前向预测问题 209

7.2.2 后向预测问题 212

7.3 阶数更新方程 213

7.3.1 新参数δ(k,i) 213

7.3.2 ξdbmin(k,i)和wb(k,i)的阶数更新 215

7.3.3 ξdfmin(k,i)和wf(k,i)的阶数更新 216

7.3.4 预测误差的阶数更新 216

7.4 时间更新方程 217

7.4.1 预测系数的时间更新 217

7.4.2 δ(k,i)的时间更新 218

7.4.3 γ(k,i)的阶数更新 220

7.5 联合过程估计 222

7.6 最小二乘误差的时间递归 226

7.7 归一化格型RLS算法 227

7.7.1 基本阶数递归 227

7.7.2 前馈滤波 229

7.8 误差反馈格型RLS算法 231

7.9 基于先验误差的格型RLS算法 232

7.10 量化效应 234

7.11 小结 237

7.12 习题 237

参考文献 239

第8章 快速横向RLS算法 240

8.1 引言 240

8.2 递归最小二乘预测 240

8.2.1 前向预测关系 241

8.2.2 后向预测关系 242

8.3 联合过程估计 242

8.4 稳定快速横向RLS算法 244

8.5 小结 249

8.6 习题 249

参考文献 251

第9章 基于QR分解的RLS滤波器 252

9.1 引言 252

9.2 利用QR分解实现对角化 252

9.2.1 初始化过程 253

9.2.2 输入数据矩阵对角化 254

9.2.3 QR分解RLS算法 259

9.3 脉动阵实现 262

9.4 一些实现问题 267

9.5 快速QR-RLS算法 268

9.5.1 后向预测问题 270

9.5.2 前向预测问题 271

9.6 小结及进一步解释 277

9.7 习题 278

参考文献 281

第10章 自适应IIR滤波器 283

10.1 引言 283

10.2 输出误差IIR滤波器 283

10.3 导数的一般实现方法 287

10.4 自适应算法 288

10.4.1 递归最小二乘算法 288

10.4.2 高斯-牛顿算法 289

10.4.3 基于梯度的算法 290

10.5 其他自适应滤波器结构 291

10.5.1 级联形式 291

10.5.2 格型结构 291

10.5.3 并联形式 297

10.5.4 频域并联结构 298

10.6 均方误差曲面 303

10.7 滤波器结构对MSE曲面的影响 308

10.8 其他误差表示方法 310

10.8.1 方程误差表示方法 310

10.8.2 Steiglitz-McBride表示方法 312

10.9 小结 315

10.10 习题 316

参考文献 318

第11章 非线性自适应滤波 321

11.1 引言 321

11.2 Volterra级数算法 322

11.2.1 LMS Volterra滤波器 323

11.2.2 RLSVolterra滤波器 325

11.3 自适应双线性滤波器 330

11.4 MLP算法 333

11.5 RBF算法 336

11.6 小结 341

11.7 习题 342

参考文献 342

第12章 子带自适应滤波器 344

12.1 引言 344

12.2 多速率系统 344

12.3 滤波器组 347

12.3.1 二频带完全重构滤波器组 349

12.3.2 二频带滤波器组的分析 349

12.3.3 M频带滤波器组的分析 350

12.3.4 分层M频带滤波器组 350

12.3.5 余弦调制滤波器组 351

12.3.6 分块表示 352

12.4 子带自适应滤波器 352

12.4.1 子带辨识 354

12.4.2 二频带辨识 355

12.4.3 闭环结构 356

12.5 交叉滤波器的消除 359

12.6 无延迟子带自适应滤波 364

12.7 频域自适应滤波 369

12.8 小结 375

12.9 习题 376

参考文献 377

第13章 盲自适应滤波 380

13.1 引言 380

13.2 常模相关算法 381

13.2.1 Godard算法 381

13.2.2 常模算法 382

13.2.3 Sato算法 382

13.2.4 CMA的误差曲面 383

13.3 仿射投影CM算法 388

13.4 SIMO盲均衡器 393

13.5 SIMO-CMA均衡器 396

13.6 小结 400

13.7 习题 400

参考文献 402

第14章 复数微分 404

14.1 引言 404

14.2 复数维纳解 404

14.3 复数LMS算法的推导 406

14.4 一些有用结果 407

参考文献 407

第15章 LMS算法的量化效应 408

15.1 引言 408

15.2 误差描述 408

15.3 定点数误差模型 409

15.4 系数误差向量协方差矩阵 410

15.5 算法停止 411

15.6 均方误差 412

15.7 浮点数实现 413

15.8 LMS算法的浮点数量化误差 414

参考文献 417

第16章 RLS算法的量化效应 418

16.1 引言 418

16.2 误差描述 418

16.3 定点数误差模型 419

16.4 系数误差向量协方差矩阵 420

16.5 算法停止 423

16.6 均方误差 424

16.7 定点数实现问题 424

16.8 浮点数实现问题 425

16.9 RLS算法的浮点数量化误差 427

参考文献 429

第17章 卡尔曼滤波器 430

17.1 引言 430

17.2 状态空间模型 430

17.3 卡尔曼滤波 432

17.4 卡尔曼滤波器与RLS算法 436

参考文献 437

第18章 集员仿射投影算法分析 438

18.1 引言 438

18.2 更新概率 438

18.3 简化SM-AP算法的失调 439

18.4 瞬态特性 440

18.5 小结 441

参考文献 442

相关图书
作者其它书籍
返回顶部