第一章 自适应信号处理综述 1
1.1 自适应信号处理的原理及用途 1
1.2 自适应滤波器的分类及含义 2
1.3 自适应算法简述 8
1.4 自适应信号处理的现状与发展趋势 10
第二章 自适应准则及规范方程 12
2.1 维纳（Winener）滤波器 12
2.2 最小均方准则（LMS） 13
2.3 最小二乘准则（LS） 15
2.4 规范方程与求解 18
第三章 最小均方（LMS）算法 19
3.1 LMS算法的推导 19
3.2 LMS算法的收敛性 20
3.3 LMS算法的步长优化 25
3.4 LMS算法分析结论的验证 27
3.5 LMS算法的推广和应用 31
第四章 LMS算法的量化效应分析 35
4.1 量化后参量及误差的约定与分析 35
4.2 舍入处理的LMS量化效应 42
4.3 截断处理的LMS量化效应 46
4.4 量化效应的结论与验证 53
第五章 最小高阶均方（LMF）算法 59
5.1 LMF算法的推导 59
5.2 LMF算法的收敛性 60
5.3 LMF算法与LMS算法的比较 63
第六章 LMF算法的量化效应分析 67
6.1 LMF算法的量化效应综述 67
6.2 舍入处理的LMF量化效应 71
6.3 截断处理的LMF量化效应 76
6.4 LMF量化效应结论与验证 81
第七章 LS算法及格形算法 85
7.1 LS算法的推导分析 85
7.2 快速LS算法的推导分析 90
7.3 卡尔曼（Kalman）算法 95
7.4 LMS格形算法（Durbin算法） 98
7.5 LS格形算法 102
第八章 自适应IIR数字滤波器 108
8.1 引言 108
8.2 结构a的自适应算法及收敛性 110
8.3 结构b的自适应算法及收敛性 115
8.4 计算机仿真及结果分析 122
第九章 传统的自适应均衡器 127
9.1 综述 127
9.2 线性均衡器（LE） 129
9.3 判决反馈均衡器（DFE） 132
9.4 线性抵消均衡器（LCE） 136
9.5 改进型传统均衡器 138
第十章 理相均衡器（IE）模型 142
10.1 高频时变信道的等效基带模型 142
10.2 理想均衡器（IE）模型的建立与分析 146
10.3 IE与传统均衡器的关系 152
10.4 误码率（ECR）的估算 155
第十一章 理想均衡器的最佳自适应实现（OAE） 159
11.1 理想均衡器的算法结构 159
11.2 OAE的稳定性及改进算法 165
11.3 定阶及量化误差对系统性能的影响 170
11.4 定时相位对系统性能的影响 178
11.5 计算机仿真与结果分析 179
第十二章 IE模型的改进与推广 187
12.1 非理想条件下IE及OAE的修正 187
12.2 OAE结构的进一步化简 190
12.3 OAE的一种改进结构 192
12.4 OAE及IE向二维图象滤波的推广 194
第十三章 用高速信号处理器实现的自适应数字滤波器 197
13.1 TMS320C25通用信号处理开发板 197
13.2 OAE系统的实现 200
13.3 LMS自适应滤波器的实现 207
13.4 自适应回波抵消器的实现 211
第十四章 二维自适应滤波器 213
14.1 二维信号处理的现状与发展 213
14.2 二维图象失真的建模 214
14.3 阶递归LS快速自适应算法 216
14.4 空域递归LS快速自适应算法 220
14.5 二维最佳自适应滤波器（OAF） 231
参考文献 237