產品名稱：自適應濾波器書籍 ISBN編號：9787121250521 書名：自適應濾波器書籍 代碼：366 是否是套裝：是
" 自適應濾波器原理(第5版)/(加)S.赫金(SIMON HA 作 者:（加）Simon Haykin（S. 赫金） 著 鄭寶玉 等 譯  定 價:119 出 版 社:電子工業出版社 出版日期:2019年05月01日 頁 數:712 裝 幀:平裝 ISBN:9787121250521  ●目 錄背景與預覽章 隨機過程與模型1.1 離散時間隨機過程的部分特性1.2 平均各態歷經定理1.3 相關矩陣1.4 正弦波加噪聲的相關矩陣1.5 隨機模型1.6 Wold分解1.7 回歸過程的漸近平穩1.8 尤爾沃克方程1.9 計算機實驗： 二階自回歸過程1.10 選擇模型的階數1.11 復值高斯過程1.12 功率譜密度1.13 功率譜密度的性質1.14 平穩過程通過線性濾波器傳輸1.15 平穩過程的Cramér譜表示1.16 功率譜估計1.17 隨機過程的其他統計特征1.18 多譜1.19 譜相關密度1.20 小結與討論1.21 習題第2章 維納濾波器2.1 線性最優濾波： 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 小結與討論2.11 習題第3章 線性預測3.1 前向線性預測3.2 後向線性預測3.3 列文森杜賓算法3.4 預測誤差濾波器的性質3.5 舒爾科恩測試3.6 平穩隨機過程的自回歸建模3.7 Cholesky分解3.8 格型預測器3.9 全極點、 全通格型濾波器3.10 聯合過程估計3.11 語音預測建模3.12 小結與討論3.13 習題第4章 最速下降法4.1 最速下降算法的基本思想4.2 最速下降算法應用於維納濾波器4.3 最速下降算法的穩定性4.4 示例4.5 作為確定性搜索法的最速下降算法4.6 最速下降算法的優點與局限性4.7 小結與討論4.8 習題第5章 隨機梯度下降法5.1 隨機梯度下降原理5.2 應用1： 最小均方（LMS）算法5.3 應用2： 梯度自適應格型濾波算法5.4 隨機梯度下降法的其他應用5.5 小結與討論5.6 習題第6章 最小均方(LMS)算法6.1 信號流圖6.2 最優性考慮 6.3 應用示例6.4 統計學習理論6.5 瞬態特性和收斂性考慮6.6 統計效率 6.7 自適應預測的計算機實驗6.8 自適應均衡的計算機實驗6.9 最小方差無失真響應波束成形器的計算機實驗6.10 小結與討論6.11 習題第7章 歸一化最小均方(LMS)自適應算法及其推廣7.1 歸一化LMS算法作為約束最優化問題的解7.2 歸一化LMS算法的穩定性7.3 回聲消除中的步長控制7.4 實數據時收斂過程的幾何考慮7.5 仿射投影濾波器7.6 小結與討論7.7 習題第8章 分塊自適應濾波器8.1 分塊自適應濾波器： 基本思想8.2 快速分塊LMS算法8.3 無約束頻域自適應濾波器8.4 自正交化自適應濾波器8.5 自適應均衡的計算機實驗8.6 子帶自適應濾波器8.7 小結與討論8.8 習題第9章 最小二乘法9.1 線性最小二乘估計問題9.2 數據開窗9.3 正交性原理的進一步討論9.4 誤差的最小平方和9.5 正則方程和線性最小二乘濾波器9.6 時間平均相關矩陣Φ9.7 根據數據矩陣構建正則方程9.8 最小二乘估計的性質9.9 最小方差無失真響應（MVDR）的譜估計9.10 MVDR波束成形的正則化9.11 奇異值分解9.12 偽逆9.13 奇異值和奇異向量的解釋9.14 線性最小二乘問題的最小範數解9.15 歸一化LMS算法看做欠定最小二乘估計問題的最小範數解9.16 小結與討論9.17 習題0章 遞歸最小二乘(RLS)算法10.1 預備知識10.2 矩陣求逆引理10.3 指數加權遞歸最小二乘算法10.4 正則化參數的選擇10.5 誤差平方加權和的更新遞歸10.6 示例： 單個權值自適應噪聲消除器10.7 統計學習理論10.8 效率10.9 自適應均衡的計算機實驗10.10 小結與討論10.11 習題1章 魯棒性11.1 魯棒性、 自適應和干擾11.2 魯棒性： 源於H∞優化的初步考慮11.3 LMS算法的魯棒性11.4 RLS算法的魯棒性11.5 從魯棒性的角度比較LMS和RLS算法11.6 風險敏感的最優性11.7 在魯棒性與有效性（效率）之間的折中11.8 小結與討論11.9 習題2章 有限字長效應12.1 量化誤差12.2 最小均方算法12.3 遞歸最小二乘算法12.4 小結與討論 12.5 習題3章 非平穩環境下的自適應13.1 非平穩的前因後果13.2 繫統辨識問題13.3 非平穩度13.4 跟蹤性能評價準則13.5 LMS算法的跟蹤性能13.6 RLS算法的跟蹤性能13.7 LMS算法和RLS算法的跟蹤性能比較13.8 自適應參數的調整13.9 IDBD算法13.10 自動步長法 13.11 計算機實驗： 平穩和非平穩環境數據的混合13.12 小結與討論13.13 習題4章 卡爾曼濾波器14.1 標量隨機變量的遞歸最小均方估計14.2 卡爾曼濾波問題14.3 新息過程14.4 應用新息過程進行狀態估計14.5 濾波14.6 初始條件14.7 卡爾曼濾波器小結14.8 卡爾曼濾波的最優性準則14.9 卡爾曼濾波器作為RLS算法的統一基礎14.10 協方差濾波算法 14.11 信息濾波算法 14.12 小結與討論14.13 習題5章 平方根自適應濾波算法15.1 平方根卡爾曼濾波器15.2 在兩種變形卡爾曼濾波器基礎上構建平方根自適應濾波器15.3 QRD-RLS算法15.4 自適應波束成形15.5 逆QRD-RLS算法15.6 有限字長效應15.7 小結與討論15.8 習題6章 階遞歸自適應濾波算法16.1 采用最小二乘估計的階遞歸自適應濾波器： 概述16.2 自適應前向線性預測16.3 自適應後向線性預測16.4 變換因子16.5 最小二乘格型(LSL)預測器16.6 角度歸一化估計誤差16.7 格型濾波的一階狀態空間模型16.8 基於QR分解的最小二乘格型(QRD-LSL)濾波器16.9 QRD-LSL濾波器基本特性16.10 自適應均衡的計算機實驗16.11 采用後驗估計誤差的遞歸LSL濾波器16.12 采用帶誤差反饋先驗估計誤差的遞歸LSL濾波器16.13 遞歸LSL算法與RLS算法之間的關繫16.14 有限字長效應16.15 小結與討論16.16 習題7章 盲反卷積17.1 盲反卷積問題概述17.2 利用循環平穩統計量的信道辨識17.3 分數間隔盲辨識用子空間分解17.4 Bussgang盲均衡算法17.5 將Bussgang算法推廣到復基帶信道17.6 Bussgang算法的特例17.7 分數間隔Bussgang均衡器17.8 信號源未知的概率分布函數的估計17.9 小結與討論17.10 習題後記附錄A 復變函數附錄B 計算復梯度的沃廷格微分附錄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 非平衡熱力學的朗之萬方程附錄G 旋轉和映射附錄H 復數維薩特分布術語參考文獻建議閱讀文獻中英文術語對照表  內容簡介  本書是自適應信號處理領域的一本經典教材。全書共17章，繫統全面、深入淺出地講述了自適應信號處理的基本理論與方法，充分反映了近年來該領域的新理論、新技術和新應用。內容包括：隨機過程與模型、維納濾波器、線性預測、很速下降法、隨機梯度下降法、很小均方（LMS）算法、歸一化LMS自適應算法及其推廣、分塊自適應濾波器、很小二乘法、遞歸很小二乘（RLS）算法、魯棒性、有限字長效應、非平衡環境下的自適應、卡爾曼濾波器、平方根自適應濾波算法、階遞歸自適應濾波算法、盲反卷積，以及它們在通信與信息繫統中的應用。  （加）Simon Haykin（S. 赫金） 著 鄭寶玉 等 譯  西蒙？赫金（Simon Haykin），IEEE會士、加拿大皇家學會會士，畢業於英國伯明翰大學電子工程繫。現為加拿大McMaster大學的Distinguished University教授，認知繫統實驗室主任。2002年獲靠前無線電科學聯盟（URSI）頒發的Henry Booker金質獎章。在無線通信與信號處理領域的多個方面著述頗豐，主要研究方向為自適應信號處理與智能信號處理、無線通信與雷達技術，近年來特別關注認知無線電和認知雷達方面的研究。 "
| 
