包邮自适应滤波器原理-(第五版)

目    录背景与预览第1章  随机过程与模型1.1  离散时间随机过程的部分特性1.2  平均各态历经定理1.3  相关矩阵1.4  正弦波加噪声的相关矩阵1.5  随机模型1.6  wold分解1.7  回归过程的渐近平稳1.8  尤尔沃克方程1.9  计算机实验： 二阶自回归过程1.10  选择模型的阶数1.11  复值高斯过程1.12  功率谱密度1.13  功率谱密度的性质1.14  平稳过程通过线性滤波器传输1.15  平稳过程的cramér谱表示1.16  功率谱估计1.17  随机过程的其他统计特征1.18  多谱1.19  谱相关密度1.20  小结与讨论1.21  习题第2章  维纳滤波器2.1  线性*优滤波： 问题综述2.2  正交性原理2.3  *小均方误差2.4  维纳霍夫方程2.5  误差性能曲面2.6  多重线性回归模型2.7  示例2.8  线性约束*小方差滤波器2.9  广义旁瓣消除器2.10  小结与讨论2.11  习题第3章  线性预测3.1  前向线性预测3.2  后向线性预测3.3  列文森杜宾算法3.4  预测误差滤波器的性质3.5  舒尔科恩测试3.6  平稳随机过程的自回归建模3.7  cholesky分解3.8  格型预测器3.9  全极点、 全通格型滤波器3.10  联合过程估计3.11  语音预测建模3.12  小结与讨论3.13  习题第4章  *速下降法4.1  *速下降算法的基本思想4.2  *速下降算法应用于维纳滤波器4.3  *速下降算法的稳定性4.4  示例4.5  作为确定性搜索法的*速下降算法4.6  *速下降算法的优点与局限性4.7  小结与讨论4.8  习题第5章  随机梯度下降法5.1  随机梯度下降原理5.2  应用1： *小均方（lms）算法5.3  应用2： 梯度自适应格型滤波算法5.4  随机梯度下降法的其他应用5.5  小结与讨论5.6  习题第6章  *小均方(lms)算法6.1  信号流图6.2  *优性考虑 6.3  应用示例6.4  统计学习理论6.5  瞬态特性和收敛性考虑6.6  统计效率 6.7  自适应预测的计算机实验6.8  自适应均衡的计算机实验6.9  *小方差无失真响应波束成形器的计算机实验6.10  小结与讨论6.11  习题第7章  归一化*小均方(lms)自适应算法及其推广7.1  归一化lms算法作为约束*优化问题的解7.2  归一化lms算法的稳定性7.3  回声消除中的步长控制7.4  实数据时收敛过程的几何考虑7.5  仿射投影滤波器7.6  小结与讨论7.7  习题第8章  分块自适应滤波器8.1  分块自适应滤波器： 基本思想8.2  快速分块lms算法8.3  无约束频域自适应滤波器8.4  自正交化自适应滤波器8.5  自适应均衡的计算机实验8.6  子带自适应滤波器8.7  小结与讨论8.8  习题第9章  *小二乘法9.1  线性*小二乘估计问题9.2  数据开窗9.3  正交性原理的进一步讨论9.4  误差的*小平方和9.5  正则方程和线性*小二乘滤波器9.6  时间平均相关矩阵φ9.7  根据数据矩阵构建正则方程9.8  *小二乘估计的性质9.9  *小方差无失真响应（mvdr）的谱估计9.10  mvdr波束成形的正则化9.11  奇异值分解9.12  伪逆9.13  奇异值和奇异向量的解释9.14  线性*小二乘问题的*小范数解9.15  归一化lms算法看做欠定*小二乘估计问题的*小范数解9.16  小结与讨论9.17  习题第10章  递归*小二乘(rls)算法10.1  预备知识10.2  矩阵求逆引理10.3  指数加权递归*小二乘算法10.4  正则化参数的选择10.5  误差平方加权和的更新递归10.6  示例： 单个权值自适应噪声消除器10.7  统计学习理论10.8  效率10.9  自适应均衡的计算机实验10.10  小结与讨论10.11  习题第11章  鲁棒性11.1  鲁棒性、 自适应和干扰11.2  鲁棒性： 源于h∞优化的初步考虑11.3  lms算法的鲁棒性11.4  rls算法的鲁棒性11.5  从鲁棒性的角度比较lms和rls算法11.6  风险敏感的*优性11.7  在鲁棒性与有效性（效率）之间的折中11.8  小结与讨论11.9  习题第12章  有限字长效应12.1  量化误差12.2  *小均方算法12.3  递归*小二乘算法12.4  小结与讨论 12.5  习题第13章  非平稳环境下的自适应13.1  非平稳的前因后果13.2  系统辨识问题13.3  非平稳度13.4  跟踪性能评价准则13.5  lms算法的跟踪性能13.6  rls算法的跟踪性能13.7  lms算法和rls算法的跟踪性能比较13.8  自适应参数的调整13.9  idbd算法13.10  自动步长法 13.11  计算机实验： 平稳和非平稳环境数据的混合13.12  小结与讨论13.13  习题第14章  卡尔曼滤波器14.1  标量随机变量的递归*小均方估计14.2  卡尔曼滤波问题14.3  新息过程14.4  应用新息过程进行状态估计14.5  滤波14.6  初始条件14.7  卡尔曼滤波器小结14.8  卡尔曼滤波的*优性准则14.9  卡尔曼滤波器作为rls算法的统一基础14.10  协方差滤波算法 14.11  信息滤波算法 14.12  小结与讨论14.13  习题第15章  平方根自适应滤波算法15.1  平方根卡尔曼滤波器15.2  在两种变形卡尔曼滤波器基础上构建平方根自适应滤波器15.3  qrd-rls算法15.4  自适应波束成形15.5  逆qrd-rls算法15.6  有限字长效应15.7  小结与讨论15.8  习题第16章  阶递归自适应滤波算法16.1  采用*小二乘估计的阶递归自适应滤波器： 概述16.2  自适应前向线性预测16.3  自适应后向线性预测16.4  变换因子16.5  *小二乘格型(lsl)预测器16.6  角度归一化估计误差16.7  格型滤波的一阶状态空间模型16.8  基于qr分解的*小二乘格型(qrd-lsl)滤波器16.9  qrd-lsl滤波器基本特性16.10  自适应均衡的计算机实验16.11  采用后验估计误差的递归lsl滤波器16.12  采用带误差反馈先验估计误差的递归lsl滤波器16.13  递归lsl算法与rls算法之间的关系16.14  有限字长效应16.15  小结与讨论16.16  习题第17章  盲反卷积17.1  盲反卷积问题概述17.2  利用循环平稳统计量的信道辨识17.3  分数间隔盲辨识用子空间分解17.4  bussgang盲均衡算法17.5  将bussgang算法推广到复基带信道17.6  bussgang算法的特例17.7  分数间隔bussgang均衡器17.8  信号源未知的概率分布函数的估计17.9  小结与讨论17.10  习题后记附录a  复变函数附录b  计算复梯度的沃廷格微分附录c  拉格朗日乘子法附录d  估计理论附录e  特征分析附录f  非平衡热力学的朗之万方程附录g  旋转和映射附录h  复数维萨特分布术语参考文献建议阅读文献中英文术语对照表