注冊 | 登錄讀書好，好讀書，讀好書！

當前位置：首頁出版圖書科學(xué)技術(shù)工業(yè)技術(shù)無線電電子學(xué)、電信技術(shù)自適應(yīng)濾波器原理（第四版）

自適應(yīng)濾波器原理（第四版）

定　價：￥69.00

作　者：	（美）Simon Haykin著；鄭寶玉等譯
出版社：	電子工業(yè)出版社
叢編項：	國外電子與通信教材系列信號與系統(tǒng)
標　簽：	暫缺

購買這本書可以去

ISBN：	9787505376328	出版時間：	2003-07-01	包裝：	膠版紙
開本：	26cm	頁數(shù)：	731	字數(shù)：

內(nèi)容簡介

　　本書是自適應(yīng)信號處理領(lǐng)域的一本經(jīng)典教材。全書共17章，系統(tǒng)全面、深入淺出地講述了自適應(yīng)信號處理的基本理論與方法，充分反映了近年來該領(lǐng)域的新理論、新技術(shù)和新應(yīng)用。內(nèi)容包括：自適應(yīng)LMS橫向濾波器、自適應(yīng)格型濾波器、自適應(yīng)遞歸濾波器、頻域和子帶自適應(yīng)濾波器、盲目適應(yīng)濾波器、神經(jīng)網(wǎng)絡(luò)非線性自適應(yīng)濾波器等及其在通信與信息系統(tǒng)中的應(yīng)用。全書取材新穎、內(nèi)容豐富、概念清析、闡述明了，適合于通信與電子信息類相關(guān)專業(yè)的高年級本科生、研究生、教師及工程技術(shù)人員閱讀。本書是自適應(yīng)信號處理領(lǐng)域的一本經(jīng)典教材。全書共17章，系統(tǒng)全面、深入淺出地講述了自適應(yīng)信號處理的基本理論與方法，充分反映了近年來該領(lǐng)域的新理論、新技術(shù)和新應(yīng)用。內(nèi)容包括：自適應(yīng)LMS橫向濾波器、自適應(yīng)格型濾波器、自適應(yīng)遞歸濾波器、頻域和子帶自適應(yīng)濾波器、盲目適應(yīng)濾波器、神經(jīng)網(wǎng)絡(luò)非線性自適應(yīng)濾波器等及其在通信與信息系統(tǒng)中的應(yīng)用。全書取材新穎、內(nèi)容豐富、概念清析、闡述明了，適合于通信與電子信息類相關(guān)專業(yè)的高年級本科生、研究生、教師及工程技術(shù)人員閱讀。

作者簡介

　　SimonHaykin：IEEE會士，畢業(yè)于英國伯明翰大學(xué)電子工程系。加拿大McMaster大學(xué)電子與計算相工程系教授，通信研究實驗室主任。研究方向包括非線性動力學(xué)、神經(jīng)網(wǎng)絡(luò)和自適應(yīng)濾波器及其應(yīng)用。己出版了多本專著，其中包括《神經(jīng)網(wǎng)絡(luò)（第二版）》、《智能信號處理》、《自適應(yīng)濾波器原理（第四版）》、《通信系統(tǒng)（第四版）》等。

圖書目錄

第1章隨機過程與模型

1.1 離散時間隨機過程的部分特性
1.2 平均各態(tài)歷經(jīng)定理
1.3 相關(guān)矩陣
1.4 正弦波加噪聲的相關(guān)矩陣
1.5 隨機模型
1.6 Wold分解
1.7 回歸過程的漸近平穩(wěn)
1.8 尤爾一沃克方程
1.9 計算機實驗：二階自回歸過程
1.10 選擇模型的階數(shù)
1.11 復(fù)值高斯過程
1.12 功率譜密度
1.13 功率譜密度的性質(zhì)
1.14 平穩(wěn)過程通過線性濾波器傳輸
1.15 平穩(wěn)過程的Cramer譜表示
1.16 功率譜估計
1.17 隨機過程的其他統(tǒng)計特征
1.18 多譜
1.19 譜相關(guān)密度
1.20 本章小結(jié)
1.21 習題

第2章維納濾波器

2.1 線性最優(yōu)濾波：問題綜述
2.2 正交性原理
2.3 最小均方誤差
2.4 維納一霍夫方程
2.5 誤差性能曲面
2.6 多重線性回歸模型
2.7 示例
2.8 線性約束最小方差濾波器
2.9 廣義旁瓣消除器
2.10 本章小結(jié)
2.11 習題

第3章線性預(yù)測

3.1 前向線性預(yù)測
3.2 后向線性預(yù)測
3.3 列文森一杜賓算法
3.4 預(yù)測誤差濾波器的性質(zhì)
3.5 舒爾一科思測試
3.6 平穩(wěn)隨機過程的自回歸建模
3.7 Cholesky分解
3.8 格型預(yù)測器
3.9 全極點. 全通格型濾波器
3.10 聯(lián)合過程估計
3.11 語音預(yù)測建模
3.12 本章小結(jié)
3.13 習題

第4章最速下降算法

4.1 最速下降算法的基本思想
4.2 最速下降算法應(yīng)用于維納濾波器
4.3 最速下降算法的穩(wěn)定性
4.4 示例
4.5 作為確定性搜索法的最速下降算法
4.6 最速下降算法的優(yōu)點與局限性
4.7 本章小結(jié)
4.8 習題

第5章最小均方自適應(yīng)濾波器

5.1 最小均方算法的結(jié)構(gòu)與運算概述
5.2 最小均方自適應(yīng)算法
5.3 應(yīng)用示例
5.4 統(tǒng)計LMS理論
5.5 LMS算法與最速下降算法的比較
5.6 自適應(yīng)預(yù)測的計算機實驗
5.7 自適應(yīng)均衡的計算機實驗
5.8 最小方差無失真響應(yīng)波束形成器的計算機實驗
5.9 非白噪聲輸入時LMS算法收斂的方向性
5.10 LMS濾波器的魯棒性：H準則
5.11 不同情況下步長參數(shù)的上界
5.12 確定性輸入時的轉(zhuǎn)移函數(shù)方法
5.13 本章小結(jié)
5.14 習題

第6章歸一化最小均方自適應(yīng)濾波器

6.1 歸一化LMS濾波器作為約束最優(yōu)化問題的解
6.2歸一化LMS濾波器的穩(wěn)定性
6.3 回聲消除中的步長控制
6.4 實數(shù)據(jù)時收斂過程的幾何考慮
6.5 仿射投影濾波器
6.6 本章小結(jié)
6.7 習題

第7章頻域和子帶自適應(yīng)濾波器

7.1 塊自適應(yīng)濾波器
7.2 快速塊LMS算法
7.3 無約束頻域自適應(yīng)濾波器
7.4 自正交化自適應(yīng)濾波器
7.5 自適應(yīng)均衡的計算機實驗
7.6 子帶自適應(yīng)濾波器
7.7 自適應(yīng)濾波算法的分類
7.8 本章小結(jié)
7.9 習題

第8章最小二乘法

8.1 線性最小二乘估計問題
8.2 數(shù)據(jù)開窗
8.3 正交性原理的進一步討論
8.4 誤差的最小平方和
8.5 正則方程和線性最小二乘濾波器
8.6 時間平均相關(guān)矩陣
8.7 根據(jù)數(shù)據(jù)矩陣構(gòu)建正則方程
8.8 最小二乘估計的特性
8.9 MVDR的譜估計
8.10 WVDR波束形成的正則化
8.11 奇異值分解
8 12 偽逆
8.13 奇異值和奇異向量的解釋
8.14 線性最小H乘問題的最小范數(shù)解
8.15 歸一化最小均方算法看做欠定最小二乘小范數(shù)解
8.16 本章小結(jié)
8.17 習題

第9章遞歸最小二來自適應(yīng)濾波器

9.1 預(yù)備知識
9.2 矩陣求逆引理
9.3 指數(shù)加權(quán)遞歸最小二乘算法
9.4 正則化參數(shù)的選擇
9.5 誤差平方加權(quán)和的更新遞歸
9.6 示例：單個權(quán)值目適應(yīng)噪聲消除器
9.7 RLS算法的收斂性分析
9.8 自適應(yīng)均衡的計算機實驗
9.9 RLS濾波器的魯棒性
9.10 本章小結(jié)
9.11 習題

第10章卡爾曼濾波器

10.1 標量隨機變量的遞歸最小均方估計
10.2 卡爾曼濾波問題
10.3 新息過程
10.4 應(yīng)用新息過程進行狀態(tài)估計
10.5 濾波
10.6 初始條件
10.7 卡爾曼濾波器總結(jié)
10.8 卡爾曼濾波器作為RLS濾波器的統(tǒng)一基礎(chǔ)
10.9 卡爾曼濾波器變形
10.10 廣義卡爾曼濾波器
10.11 本章小結(jié)
10.12 習題

第11章平方根自適應(yīng)濾波器

11.1 平方根卡爾曼濾波器
11.2 在卡爾曼濾波器基礎(chǔ)上構(gòu)建平方報自適應(yīng)濾波器
11.3 QR－RLS算法
11.4 自適應(yīng)波束形成
11.5 逆QR-RLS算法
11.6 本章小結(jié)
11.7 習題

第12章階遞歸自適應(yīng)濾波器

12.1 梯度自適應(yīng)格型濾波器
12.2 采用最小二乘估計的階遞歸自適應(yīng)濾彼器：概述
12.3 自適應(yīng)前向線性預(yù)測
12.4 自適應(yīng)后向線性預(yù)測
12.5 變換因子
12.6 最小二乘格型預(yù)測器
12.7 角度歸一化估計誤差
12.8 格型濾波的一階狀態(tài)空間模型
12.9 基于QR分解的最小二乘格型濾波器
12.10 QRD－LSL濾波器基本特性
12.11 自適應(yīng)均衡的計算機試驗
12.12 采用后驗估計誤差的遞歸最小二乘格型濾波器
12.13 采用帶誤差反饋先驗估計誤差的遞歸LSL濾波器
12.14 遞歸LSL濾波器和RLS濾波器的關(guān)系
12.15 本章小結(jié)
12.16 習題

第13章有限精度效應(yīng)

13.1 量化誤差
13.2 最小均方算法
13.3 遞歸最小二乘算法
13.4 平方根自適應(yīng)濾波器
13.5 階遞歸自適應(yīng)濾波器
13.6 快速橫向濾波器
13.7 本章小結(jié)
13.8 習題

第14章時變系統(tǒng)的跟蹤

14.1 系統(tǒng)辨識用馬爾可夫模型
14.2 非平穩(wěn)度
14.3 跟蹤性能評價準則
14.4 LMS算法的跟蹤性能
14.5 RLS算法的跟蹤性能
14.6 LMS算法和RLS算法的跟蹤性能比較
14.7 如何改進RLS算法的跟蹤性能
14.8 系統(tǒng)辨識的計算機實驗
14.9 自適應(yīng)常數(shù)的自動調(diào)節(jié)
14.10 本章小結(jié)
14.11 習題

第15章無限脈沖響應(yīng)自適應(yīng)濾波器

15.1 IIR自適應(yīng)濾波器：輸出誤差法
15.2 IIR自適應(yīng)濾波器：方程誤差法
15.3 某些實際考慮
15.4 Laguerre橫向濾波器
15.5 自適應(yīng)Laguerre格型濾波器
15.6 本章小結(jié)
15.7 習題

第16章盲反卷積

16.1 盲反卷積問題概述
16.2 利用循環(huán)平穩(wěn)統(tǒng)計量的信道辨識
16.3 分數(shù)間隔盲辨識用子空間分解
16.4 Bussgang盲均衡算法
16.5 將Bussgang算法推廣到復(fù)基帶信道
16.6 Bussgang算法的特例
16.7 分數(shù)間隔Bussgang均衡器
16.8 本章小結(jié)
16.9 習題

第17章反向傳播學(xué)習

17.1 S形神經(jīng)元模型
17.2 多層感知器
17.3 復(fù)反向傳播算法
17.4 萬能逼近定理
17.5 網(wǎng)絡(luò)復(fù)雜性
17.6 瞬態(tài)處理：如何考慮時間
17.7 反向傳播學(xué)習的優(yōu)點和局限性
17.8 本章小結(jié)
17.9 習題
后記

附錄 A 復(fù)變量
附錄 B 對向量微分
附錄 C 拉格朗日乘子法
附錄 D 估計理論
附錄 E 特征分析
附錄 F 旋轉(zhuǎn)和映射
附錄 G 復(fù)數(shù)Wishart分布

術(shù)語

參考文獻