自適應(yīng)信號處理

定　價：￥55.00

作　者：	王立國等
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121450167	出版時間：	2023-02-01	包裝：
開本：	16開	頁數(shù)：	220	字數(shù)：

內(nèi)容簡介

　　本書系統(tǒng)地介紹時域自適應(yīng)信號處理的基本理論、基本算法和典型應(yīng)用。從**準則上看，本書主要涉及最小均方誤差準則和最小二乘準則。從濾波器結(jié)構(gòu)上看，主要介紹橫向濾波器和格型濾波器。在應(yīng)用方面，重點介紹自適應(yīng)模擬、自適應(yīng)逆模擬、自適應(yīng)干擾對消和自適應(yīng)預(yù)測等。全書共11章，主要包括：緒論、維納濾波、最小均方自適應(yīng)算法、改進型最小均方自適應(yīng)算法、最小均方誤差線性預(yù)測及自適應(yīng)格型算法、線性最小二乘濾波、最小二乘橫向濾波自適應(yīng)算法、最小二乘格型自適應(yīng)算法、非線性濾波及其自適應(yīng)算法、自適應(yīng)信號處理的應(yīng)用、盲自適應(yīng)信號處理理論及應(yīng)用。本書可作為高等院校的通信、電子信息工程及其他相關(guān)專業(yè)的高年級本科生和研究生的教材，也可作為從事信號與信息處理領(lǐng)域研究的工程技術(shù)人員的參考書。

作者簡介

　　王立國，男，1974年生，哈爾濱工業(yè)大學(xué)工學(xué)博士。2006-2021年任職哈爾濱工程大學(xué)，三級教授、博士生導(dǎo)師。現(xiàn)為大連民族大學(xué)教授（特聘二級），國家民委領(lǐng)軍人才。中國遙感應(yīng)用協(xié)會高光譜遙感技術(shù)與應(yīng)用專業(yè)委員會委員，第四屆全國成像光譜學(xué)術(shù)研討會執(zhí)行主席。發(fā)表學(xué)術(shù)論文近三百篇（SCI一百二十余篇），授權(quán)發(fā)明專利40余項（國際專利5項），出版專著3部。主持國家自然科學(xué)基金4項、省部級項目若干；參研863重點項目、國家自然科學(xué)基金項目、省自然科學(xué)基金重點項目若干。獲得黑龍江省科技獎勵（自然科學(xué)類）二等獎2項（分別排名第1、第2），黑龍江省科技獎勵（自然科學(xué)類）三等獎1項（排名第1），黑龍江省高?？茖W(xué)技術(shù)獎（自然科學(xué)類）一等獎2項、二等獎1項。獲黑龍江省三育人先進個人稱號。所培養(yǎng)研究生1人入選國家青年人才支持計劃，2人獲黑龍江省優(yōu)秀碩士學(xué)位論文，2人獲哈爾濱工程大學(xué)優(yōu)秀博士學(xué)位論文。

圖書目錄

目錄
第1章緒論\t1
1．1 自適應(yīng)濾波的基本概念\t1
1．2 自適應(yīng)信號處理的發(fā)展過程\t2
1．3 自適應(yīng)信號處理的應(yīng)用\t3
第2章維納濾波\t5
2．1 問題的提出\t5
2．2 離散形式維納濾波器的解\t5
2．3 離散形式維納濾波器的性質(zhì)\t7
2．3．1 正交原理的幾何解釋\t7
2．3．2 正交原理推論\t7
2．3．3 最小均方誤差\t7
2．4 橫向濾波器的維納解\t8
2．4．1 橫向濾波器的維納-霍夫方程及其解\t8
2．4．2 橫向濾波器的誤差性能\t9
第3章最小均方自適應(yīng)算法\t15
3．1 最陡下降算法\t15
3．1．1 最陡下降算法的基本思想\t15
3．1．2 最小均方誤差最陡下降算法\t15
3．2 牛頓算法\t21
3．2．1 牛頓算法的基本思想\t21
3．2．2 最小均方誤差牛頓算法\t22
3．3 LMS算法\t26
3．3．1 LMS算法描述\t26
3．3．2 LMS算法的收斂性\t27
3．3．3 LMS算法的權(quán)向量噪聲\t31
3．3．4 LMS算法的期望學(xué)習(xí)曲線\t33
3．3．5 LMS算法的性能\t35
3．4 LMS牛頓算法\t37
第4章改進型最小均方自適應(yīng)算法\t39
4．1 歸一化LMS算法\t39
4．1．1 基于約束優(yōu)化問題求解歸一化LMS算法\t39
4．1．2 歸一化LMS算法小結(jié)\t41
4．2 塊LMS算法\t41
4．2．1 塊自適應(yīng)濾波器\t41
4．2．2 塊LMS算法描述\t42
4．2．3 塊LMS算法的收斂性\t43
4．2．4 塊LMS算法塊長度的選擇\t43
4．3 快速塊LMS算法\t44
第5章最小均方誤差線性預(yù)測及自適應(yīng)格型算法\t46
5．1 最小均方誤差線性預(yù)測\t46
5．1．1 前向線性預(yù)測\t46
5．1．2 后向線性預(yù)測\t48
5．1．3 前向線性預(yù)測與后向線性預(yù)測的關(guān)系\t50
5．2 Levinson-Durbin算法\t51
5．2．1 Levinson-Durbin算法的導(dǎo)出\t51
5．2．2 Levinson-Durbin算法的幾點說明\t53
5．3 格型濾波器\t55
5．3．1 格型濾波器的導(dǎo)出\t55
5．3．2 格型濾波器的性質(zhì)\t57
5．3．3 格型濾波器的結(jié)構(gòu)形式\t58
5．4 最小均方誤差自適應(yīng)格型算法\t59
5．4．1 自適應(yīng)格型塊處理迭代算法\t59
5．4．2 自適應(yīng)格型隨機梯度算法\t61
第6章線性最小二乘濾波\t64
6．1 問題的提出\t64
6．2 線性最小二乘濾波的正則方程\t65
6．2．1 正則方程的推導(dǎo)\t65
6．2．2 正則方程的矩陣形式\t67
6．2．3 根據(jù)數(shù)據(jù)矩陣構(gòu)建的正則方程\t67
6．3 線性最小二乘濾波的性能\t69
6．3．1 正交原理的推論\t69
6．3．2 最小平方和誤差\t69
6．4 線性最小二乘濾波的向量空間法分析\t70
6．4．1 向量空間理論\t70
6．4．2 線性最小二乘濾波的向量空間解釋\t73
6．4．3 線性最小二乘數(shù)據(jù)擴充更新關(guān)系\t75
6．4．4 線性最小二乘時間更新\t77
第7章最小二乘橫向濾波自適應(yīng)算法\t81
7．1 遞歸最小二乘算法\t81
7．1．1 RLS算法的導(dǎo)出\t81
7．1．2 RLS算法小結(jié)\t84
7．2 RLS算法的收斂性\t84
7．2．1 RLS算法的均值\t84
7．2．2 RLS算法的均方偏差\t85
7．2．3 RLS算法的期望學(xué)習(xí)曲線\t86
7．3 RLS算法與LMS算法的比較\t87
7．4 最小二乘快速橫向濾波算法\t87
7．4．1 FTF算法中的4個橫向濾波器\t87
7．4．2 橫向濾波算子的時間更新\t95
7．4．3 FTF算法中的時間更新\t97
7．4．4 FTF算法描述\t104
7．4．5 FTF算法的性能\t106
第8章最小二乘格型自適應(yīng)算法\t108
8．1 最小二乘格型濾波器\t108
8．1．1 最小二乘前向預(yù)測誤差的階更新\t108
8．1．2 最小二乘后向預(yù)測誤差的階更新\t109
8．1．3 最小二乘格型結(jié)構(gòu)\t110
8．2 LSL算法\t111
8．2．1 LSL算法導(dǎo)出\t111
8．2．2 LSL算法小結(jié)\t112
8．2．3 LSL算法的性能\t113
第9章非線性濾波及其自適應(yīng)算法\t115
9．1 非線性濾波概述\t115
9．2 Volterra級數(shù)濾波器\t116
9．2．1 連續(xù)的Volterra級數(shù)濾波器\t116
9．2．2 離散的Volterra級數(shù)濾波器\t117
9．3 LMS Volterra級數(shù)濾波器\t118
9．4 RLS Volterra級數(shù)濾波器\t120
9．5 形態(tài)濾波器結(jié)構(gòu)元優(yōu)化設(shè)計的自適應(yīng)算法\t121
9．5．1 形態(tài)濾波器的基本理論\t122
9．5．2 誤差準則\t123
9．5．3 腐蝕與膨脹的自適應(yīng)算法\t123
9．6 自適應(yīng)加權(quán)組合廣義形態(tài)濾波器\t127
9．6．1 廣義形態(tài)濾波器的基本理論\t127
9．6．2 廣義形態(tài)濾波器加權(quán)組合自適應(yīng)算法\t127
9．7 層疊濾波器的自適應(yīng)優(yōu)化算法\t129
9．7．1 層疊濾波器的基本理論\t129
9．7．2 層疊濾波器最優(yōu)估計算法\t131
9．7．3 自適應(yīng)層疊濾波器\t138
第10章自適應(yīng)信號處理的應(yīng)用\t140
10．1 自適應(yīng)模擬與系統(tǒng)辨識\t140
10．1．1 系統(tǒng)辨識基本理論\t140
10．1．2 Volterra模型系統(tǒng)辨識\t143
10．1．3 改進的Volterra模型系統(tǒng)辨識\t145
10．1．4 FIR濾波器綜合的自適應(yīng)模擬\t148
10．2 自適應(yīng)逆模擬\t152
10．2．1 概述\t152
10．2．2 自適應(yīng)信道均衡\t154
10．2．3 IIR濾波器的自適應(yīng)綜合\t159
10．3 自適應(yīng)干擾對消\t163
10．3．1 自適應(yīng)干擾對消的原理\t163
10．3．2 平穩(wěn)噪聲對消解\t164
10．3．3 用作陷波濾波器的自適應(yīng)噪聲對消器\t166
10．4 自適應(yīng)預(yù)測\t169
10．4．1 自適應(yīng)預(yù)測概述\t169
10．4．2 自適應(yīng)預(yù)測器用于對消周期干擾\t169
10．4．3 自適應(yīng)譜線增強器\t170
第11章盲自適應(yīng)信號處理理論及應(yīng)用\t173
11．1 盲自適應(yīng)均衡\t173
11．1．1 盲均衡的理論基礎(chǔ)\t173
11．1．2 盲均衡算法分類\t176
11．1．3 CMA盲均衡\t178
11．1．4 理想盲均衡實現(xiàn)的條件\t182
11．1．5 最小二乘CMA盲均衡算法\t182
11．1．6 判決反饋盲均衡算法\t186
11．1．7 神經(jīng)網(wǎng)絡(luò)盲均衡\t188
11．2 盲源分離\t193
11．2．1 盲源分離基本原理\t193
11．2．2 Fast-ICA算法\t196
11．3 盲系統(tǒng)辨識算法\t198
11．3．1 基于自相關(guān)的AR模型的盲辨識算法\t198
11．3．2 基于最大峰度準則的非因果AR系統(tǒng)辨識算法\t202
附錄A 矩陣和向量\t207
附錄B 相關(guān)矩陣與時間平均自相關(guān)矩陣\t210
參考文獻\t212