图书介绍

自适应信号处理技术pdf电子书版本下载

自适应信号处理技术
  • 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


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

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

精品推荐