自適應濾波算法與實現(第四版)

第1章 自適應濾波導論
1.1引言
1.2自適應信號處理
1.3自適應算法簡介
1.4應用
參考文獻

第2章 自適應濾波基礎
2.1引言
2.2信號表示
2.2.1確定性信號
2.2.2隨機信號
2.2.3遍歷性
2.3相關矩陣
2.4維納濾波器
2.5線性約束維納濾波器
2.6MSE曲面
2.7偏差和一致性
2.8牛頓算法
2.9最陡下降算法
2.10應用回顧
2.10.1系統辨識
2.10.2信號增強
2.10.3信號預測
2.10.4信道均衡
2.10.5數字通信系統
2.11小結
2.12習題
參考文獻

第3章 最小均方（LMS）算法
3.1引言
3.2LMS算法
3.3LMS算法特性
3.3.1梯度特性
3.3.2系數向量的收斂特性
3.3.3系數誤差向量協方差矩陣
3.3.4誤差信號的特性
3.3.5最小均方誤差
3.3.6超量均方誤差和失調
3.3.7瞬態特性
3.4非平穩環境下LMS算法的特性
3.5復數LMS算法
3.6舉例
3.6.1分析舉例
3.6.2系統辨識仿真
3.6.3信道均衡仿真
3.6.4快速自適應仿真
3.6.5線性約束LMS算法
3.7小結
3.8習題
參考文獻

第4章 基於LMS准則的算法
4.1引言
4.2量化誤差算法
4.2.1符號誤差算法
4.2.2雙符號算法
4.2.32的冪誤差算法
4.2.4符號數據算法
4.3LMS牛頓算法
4.4歸一化LMS算法
4.5變換域LMS算法
4.6仿射投影算法
4.6.1仿射投影算法的失調
4.6.2非平穩環境下的算法特性
4.6.3暫態特性
4.6.4復數仿射投影算法
4.7舉例
4.7.1分析舉例
4.7.2系統辨識仿真
4.7.3信號增強仿真
4.7.4信號預測仿真
4.8小結
4.9習題
參考文獻

第5章 常規RLS自適應濾波器
5.1引言
5.2遞歸最小二乘算法
5.3最小二乘解的特性
5.3.1正交原理
5.3.2最小二乘解與維納解的關系
5.3.3確定性自相關初始化的影響
5.3.4系數向量的穩態特性
5.3.5系數誤差向量協方差矩陣
5.3.6誤差信號的特性
5.3.7超量均方誤差和失調
5.4在非平穩環境下的特性
5.5復數RLS算法
5.6舉例
5.6.1分析舉例
5.6.2系統辨識仿真
5.6.3信號增強仿真
5.7小結
5.8習題
參考文獻

第6章 數據選擇性自適應濾波
6.1引言
6.2集員濾波
6.3集員歸一化LMS算法
6.4集員仿射投影算法
6.4.1向量γ（k）的平凡選擇
6.4.2簡單向量γ—（k）
6.4.3降低簡化SM—AP算法的復雜度
6.5集員雙歸一化LMS算法
6.5.1SM—BNLMS算法1
6.5.2SM—BNLMS算法2
6.6計算復雜度
6.7時變γ—
6.8部分更新自適應濾波
6.9舉例
6.9.1分析舉例
6.9.2系統辨識仿真
6.9.3回聲消除環境
6.9.4無線信道環境
6.10小結
6.11習題
參考文獻

第7章 自適應格型RLS算法
7.1引言
7.2遞歸最小二乘預測
7.2.1前向預測問題
7.2.2后向預測問題
7.3階數更新方程
7.3.1新參數δ（k，i）
7.3.2ξdbmin（k，i）和wb（k，i）的階數更新
7.3.3ξdfmin（k，i）和wf（k，i）的階數更新
7.3.4預測誤差的階數更新
7.4時間更新方程
7.4.1預測系數的時間更新
7.4.2δ（k，i）的時間更新
7.4.3γ（k，i）的階數更新
7.5聯合過程估計
7.6最小二乘誤差的時間遞歸
7.7歸一化格型RLS算法
7.7.1基本階數遞歸
7.7.2前饋濾波
7.8誤差反饋格型RLS算法
7.9基於先驗誤差的格型RLS算法
7.10量化效應
7.11小結
7.12習題
參考文獻

第8章 快速橫向RLS算法
8.1引言
8.2遞歸最小二乘預測
8.2.1前向預測關系
8.2.2后向預測關系
8.3聯合過程估計
8.4穩定快速橫向RLS算法
8.5小結
8.6習題
參考文獻

第9章 基於QR分解的RLS濾波器
9.1引言
9.2利用QR分解實現對角化
9.2.1初始化過程
9.2.2輸入數據矩陣對角化
9.2.3QR分解RLS算法
9.3脈動陣實現
9.4一些實現問題
9.5快速QR—RLS算法
9.5.1后向預測問題
9.5.2前向預測問題
9.6小結及進一步解釋
9.7習題
參考文獻

第10章 自適應IIR濾波器
10.1引言
10.2輸出誤差IIR濾波器
10.3導數的一般實現方法
10.4自適應算法
10.4.1遞歸最小二乘算法
10.4.2高斯牛頓算法
10.4.3基於梯度的算法
10.5其他自適應濾波器結構
10.5.1級聯形式
10.5.2格型結構
10.5.3並聯形式
10.5.4頻域並聯結構
10.6均方誤差曲面
10.7濾波器結構對MSE曲面的影響
10.8其他誤差表示方法
10.8.1方程誤差表示方法
10.8.2Steiglitz—McBride表示方法
10.9小結
10.10習題
參考文獻

第11章 非線性自適應濾波
11.1引言
11.2Volterra級數算法
11.2.1LMSVolterra濾波器
11.2.2RLSVolterra濾波器
11.3自適應雙線性濾波器
11.4MLP算法
11.5RBF算法
11.6小結
11.7習題
參考文獻

第12章 子帶自適應濾波器
12.1引言
12.2多速率系統
12.3濾波器組
12.3.1二頻帶完全重構濾波器組
12.3.2二頻帶濾波器組的分析
12.3.3M頻帶濾波器組的分析
12.3.4分層M頻帶濾波器組
12.3.5余弦調制濾波器組
12.3.6分塊表示
12.4子帶自適應濾波器
12.4.1子帶辨識
12.4.2二頻帶辨識
12.4.3閉環結構
12.5交叉濾波器的消除
12.6無延遲子帶自適應濾波
12.7頻域自適應濾波
12.8小結
12.9習題
參考文獻

第13章 盲自適應濾波
13.1引言
13.2常模相關算法
13.2.1Godard算法
13.2.2常模算法
13.2.3Sato算法
13.2.4CMA的誤差曲面
13.3仿射投影CM算法
13.4SIMO盲均衡器
13.5SIMO—CMA均衡器
13.6小結
13.7習題
參考文獻

第14章 復數微分
14.1引言
14.2復數維納解
14.3復數LMS算法的推導
14.4一些有用結果
參考文獻

第15章 LMS算法的量化效應
15.1引言
15.2誤差描述
15.3定點數誤差模型
15.4系數誤差向量協方差矩陣
15.5算法停止
15.6均方誤差
15.7浮點數實現
15.8LMS算法的浮點數量化誤差
參考文獻

第16章 RLS算法的量化效應
16.1引言
16.2誤差描述
16.3定點數誤差模型
16.4系數誤差向量協方差矩陣
16.5算法停止
16.6均方誤差
16.7定點數實現問題
16.8浮點數實現問題
16.9RLS算法的浮點數量化誤差
參考文獻

第17章 卡爾曼濾波器
17.1引言
17.2狀態空間模型
17.3卡爾曼濾波
17.4卡爾曼濾波器與RLS算法
參考文獻

第18章 集員仿射投影算法分析
18.1引言
18.2更新概率
18.3簡化SM—AP算法的失調
18.4瞬態特性
18.5小結
參考文獻

譯者序

自適應濾波理論是統計信號處理領域中的一個重要組成部分。對於時變未知環境下的信號處理問題， 自適應濾波器比傳統固定濾波器更優， 並且擁有其他方法不具備的信號處理能力。因此， 近50年來， 自適應濾波理論在許多領域（如通信、 控制、 雷達、 聲吶、 地震和生物醫學工程等）獲得了廣泛應用。

本書作者Paulo S. R. Diniz教授長期致力於自適應信號處理、 模擬和數字信號處理、 數字通信、 無線通信、 多采樣率系統、 隨機過程、 電子電路等領域的教學和研究工作， 是國際上信號處理領域中的著名學者。他曾在巴西里約熱內盧聯邦大學、 美國聖母瑪麗亞大學、 加拿大維多利亞大學、 芬蘭赫爾辛基理工大學等世界各地許多學術機構和研究院所進行講學。他根據講授自適應信號處理課程的講稿， 結合其多年從事教學工作積累的豐富經驗和學生的需求， 專門針對大學高年級本科生、 研究生和從事實際工作的工程師撰寫了本書。