自適應(yīng)信號處理

第1章 緒論
1.1 自適應(yīng)濾波的基本概念
1.2 自適應(yīng)信號處理的發(fā)展過程
1.3 自適應(yīng)信號處理的應(yīng)用
第2章 維納濾波
2.1 問題的提出
2.2 離散形式維納濾波器的解
2.3 離散形式維納濾波器的性質(zhì)
2.4 橫向濾波器的維納解
第3章 最小均方自適應(yīng)算法
3.1 最陡下降法
3.2 牛頓法
3.3 LMS算法
3.4 LMS牛頓算法
第4章 改進型最小均方自適應(yīng)算法
4.1 歸一化LMS算法
4.2 塊LMS算法
4.3 快速塊LMS算法
第5章 最小均方誤差線性預(yù)測及自適應(yīng)格型算法
5.1 最小均方誤差線性預(yù)測
5.2 Levinson-Durbin算法
5.3 格型濾波器
5.4 最小均方誤差自適應(yīng)格型算法
第6章 線性最小二乘濾波
6.1 問題的提出
6.2 線性最小二乘濾波的正則方程
6.3 線性最小二乘濾波的性能
6.4 線性最小二乘濾波的向量空間法分析
第7章 最小二乘橫向濾波自適應(yīng)算法
7.1 遞歸最小二乘算法
7.2 RLS算法的收斂性
7.3 RLS算法與LMS算法的比較
7.4 最小二乘快速橫向濾波算法
第8章 最小二乘格型自適應(yīng)算法
8.1 最小二乘格型濾波器
8.2 LSL自適應(yīng)算法
第9章 非線性濾波及其自適應(yīng)算法
9.1 非線性濾波概述
9.2 Volterra級數(shù)濾波器
9.3 LMS Volterra級數(shù)濾波器
9.4 RLS Volterra級數(shù)濾波器
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
9.6 自適應(yīng)加權(quán)組合廣義開態(tài)濾波器
9.7 層疊濾波器的自適應(yīng)優(yōu)化算法
第10章 自適應(yīng)信號處理的應(yīng)用
10.1 自適應(yīng)模擬與系統(tǒng)辨識
10.2 自適應(yīng)逆模擬
10.3 自適應(yīng)干擾對消
10.4 自適應(yīng)預(yù)測
計算機實驗
實驗1 LMS算法的收斂性
實驗2 LMS自適應(yīng)線性預(yù)測
實驗3 LMS自適應(yīng)模型識別
實驗4 LMS自適應(yīng)均衡
實驗5 RLS自適應(yīng)線性預(yù)測
實驗6 RLS自適應(yīng)模型識別
實驗7 RLS自適應(yīng)均衡
實驗8 自適應(yīng)格型塊處理迭代算法仿真
附錄A 矩陣和向量
A.1 矩陣
A.2 向量
A.3 二次型
……
附錄B 相關(guān)矩陣
附錄C 時間平均相關(guān)矩陣
參考文獻