自适应滤波器原理（第五版）

内容概要

Simon Haykin：IEEE会士、加拿大皇家学会会士，毕业于英国伯明翰大学电子工程系。现为加拿大McMaster大学的Distinguished University教授，认知系统实验室主任。2002年获国际无线电科学联盟(URSI）颁发的Henry Booker金质奖章。在无线通信与信号处理领域的多个方面著述颇丰，主要研究方向为自适应信号处理与智能信号处理、无线通信与雷达技术，近年来特别关注认知无线电和认知雷达方面的研究。

书籍目录

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

1.6Wold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线性最优滤波：问题综述

2.2正交性原理

2.3最小均方误差

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线性约束最小方差滤波器

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

3.7Cholesky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章最速下降法

4.1最速下降算法的基本思想

4.2最速下降算法应用于维纳滤波器

4.3最速下降算法的稳定性

4.4示例

4.5作为确定性搜索法的最速下降算法

4.6最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：最小均方（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章最小均方（LMS）算法

6.1信号流图

6.2最优性考虑

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最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章归一化最小均方（LMS）自适应算法及其推广

7.1归一化LMS算法作为约束最优化问题的解

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章最小二乘法

9.1线性最小二乘估计问题

9.2数据开窗

9.3正交性原理的进一步讨论

9.4误差的最小平方和

9.5正则方程和线性最小二乘滤波器

9.6时间平均相关矩阵Φ

9.7根据数据矩阵构建正则方程

9.8最小二乘估计的性质

9.9最小方差无失真响应（MVDR）的谱估计

9.10MVDR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线性最小二乘问题的最小范数解

9.15归一化LMS算法看做欠定最小二乘估计问题的最小范数解

9.16小结与讨论

9.17习题

第10章递归最小二乘（RLS）算法

10.1预备知识

10.2矩阵求逆引理

10.3指数加权递归最小二乘算法

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

11.3LMS算法的鲁棒性

11.4RLS算法的鲁棒性

11.5从鲁棒性的角度比较LMS和RLS算法

11.6风险敏感的最优性

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最小均方算法

12.3递归最小二乘算法

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

13.5LMS算法的跟踪性能

13.6RLS算法的跟踪性能

13.7LMS算法和RLS算法的跟踪性能比较

13.8自适应参数的调整

13.9IDBD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最小均方估计

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卡尔曼滤波的最优性准则

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

15.3QRD—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采用最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最小二乘格型（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分解的最小二乘格型（QRD—LSL）滤波器

16.9QRD—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

17.4Bussgang盲均衡算法

17.5将Bussgang算法推广到复基带信道

17.6Bussgang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

作者简介

本书是自适应信号处理领域的一本经典教材。全书共17章，系统全面、深入浅出地讲述了自适应信号处理的基本理论与方法，充分反映了近年来该领域的新理论、新技术和新应用。内容包括：随机过程与模型、维纳滤波器、线性预测、最速下降法、随机梯度下降法、最小均方（LMS）算法、归一化LMS自适应算法及其推广、分块自适应滤波器、最小二乘法、递归最小二乘（RLS）算法、鲁棒性、有限字长效应、非平衡环境下的自适应、卡尔曼滤波器、平方根自适应滤波算法、阶递归自适应滤波算法、盲反卷积，以及它们在通信与信息系统中的应用。

 自适应滤波器原理（第五版）下载