![](http://img.alicdn.com/imgextra/i1/2455124912/O1CN01KWcvN21m9k4rWtrPo_!!0-item_pic.jpg)
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。 "![](http://img.alicdn.com/imgextra/i1/2455124912/O1CN01KWcvN21m9k4rWtrPo_!!0-item_pic.jpg)
|