自适应信号处理

自适应信号处理-唐正必马长芳科学出版社

赵春晖哈尔滨工程大学出版社

本书全面系统地阐述了自适应信号处理的理论及其应用，包括确定性信号与随机过程(平稳与非平稳信号)滤波检测理论，不用训练序列的本身自适应的盲信号处理理论，从一维到多维、线性到非线性、经典自适应到神经智能自适应等近代信号处理。它将信息论、时间序列分析、系统辨识、谱

估计理论、高阶谱理论、优化理论、进化计算，以及神经网络理论等学科知识综合而成一体。

本书共十章，内容有自适应滤波基本原理、自适应LMS滤波器、自适应RLS滤波器、自适应格型滤波器、自适应递归滤波器、自适应谱线增强与谱估计、自适应噪声干扰抵消器、自适应均衡器、自适应阵列处理与波束形成，以及自适应神经信息处理。对于盲信号处理的理论与方法，将分散在最后三章中论述。

本书取材新颖，内容丰富;叙述深入浅出，系统性强，概念清楚。它总结了自适应信号处理的最新成果，其中包括作者在该领域内所取得的科研成果，是一部理论联系实际的专业理论专著。可作为信息与通信、雷达、声纳、自动控制、生物医学工程等专业的研究生的教材或主要参考书，也可供广大科研人员阅读。

第1章绪论

1.1 自适应滤波的基本概念

1.2 自适应信号处理的发展过程

1.3 自适应信号处理的应用

第2章维纳滤波

2.1 问题的提出

2.2 离散形式维纳滤波器的解

2.3 离散形式维纳滤波器的性质

2.4 横向滤波器的维纳解

第3章最小均方自适应算法

3.1 最陡下降法

3.2 牛顿法

3.3 LMS算法

3.4 LMS牛顿算法

第4章改进型最小均方自适应算法

4.1 归一化LMS算法

4.2 块LMS算法

4.3 快速块LMS算法

第5章最小均方误差线性预测及自适应格型算法

5.1 最小均方误差线性预测

5.2 Lev ins on-Durbi n算法

5.3 格型滤波器

5.4 最小均方误差自适应格型算法

第6章线性最小二乘滤波

6.1 问题的提出

6.2 线性最小二乘滤波的正则方程

6.3 线性最小二乘滤波的性能

6.4 线性最小二乘滤波的向量空间法分析

第7章最小二乘横向滤波自适应算法

7.1 递归最小二乘算法

7.2 R LS算法的收敛性

7.3 R LS算法与LMS算法的比较

7.4 最小二乘快速横向滤波算法

第8章最小二乘格型自适应算法

8.1 最小二乘格型滤波器

8.2 LSL自适应算法

第9章非线性滤波及其自适应算法

9.1 非线性滤波概述

9.2 Volterra级数滤波器

9.3 LMS Volterra级数滤波器

9.4 R LS Volterra级数滤波器

9.5 形态滤波器结构元优化设计的自适应算法

9.6 自适应加权组合广义开态滤波器

9.7 层叠滤波器的自适应优化算法

第10章自适应信号处理的应用

10.1 自适应模拟与系统辨识

10.2 自适应逆模拟

10.3 自适应干扰对消

10.4 自适应预测

计算机实验

实验1 LMS算法的收敛性

实验2 LMS自适应线性预测

实验3 LMS自适应模型识别

实验4 LMS自适应均衡

实验5 RLS自适应线性预测

实验6 RLS自适应模型识别

实验7 RLS自适应均衡

实验8 自适应格型块处理迭代算法仿真

附录A 矩阵和向量

A.1 矩阵

A.2 向量

A.3 二次型

……

附录B 相关矩阵

附录C 时间平均相关矩阵

参考文献

《自适应信号处理》课程教学大纲

课程编号：S0105603C

课程名称：自适应信号处理

开课院系：电子与信息技术研究院任课教师：邹斌（副教授）胡航（副教授）

先修课程：数字信号处理适用学科范围：信息与通信工程

学时：36 学分：2.0

开课学期：春季学期开课形式：课堂讲授

课程目的和基本要求：

本课程是一门理论性较强、并在实际中获得广泛应用的课程。本课程主要讲述了自适应信号处理的基本理论、算法及其应用。通过课程的学习，要求学生能够理解自适应的基本准则及主要的自适应算法及改进方法，掌握基本自适应算法并能够运用基本自适应算法解决有关的实际问题，为进一步的学习和应用打下基础。

课程主要内容：

自适应信号处理技术在通信、雷达、声纳、导航系统、地震勘探、生物医学工程、工业控制、振动工程等领域有着极其重要的作用。本课程主要包括以下三部分：第一部分为基本理论包括误差特性及性能表面的搜索方法，这是自适应信号处理的基础和基本出发点。绪论部分是对自适应信号处理的基本概念和主要研究领域、自适应信号处理的发展和应用以及课程的内容安排简要加以介绍。然后介绍误差表面特性，误差函数以及不同的自适应准则，在性能表面的搜索方法中主要介绍牛顿法和最速下降法以及不同的梯度估值对自适应过程的影响等。

第二部分为基本自适应算法及其改进方法，涉及到自适应信号处理的基本滤波检测理论，这是本课程的核心内容。其中算法及线性自适应滤波器围绕自适应最小均方（LMS）算法和自适应递归最小平方（RLS）算法及相应的改进算法及滤波器，并且也包括了自适应格型算法和自适应递归算法等。在LMS算法的改进算法中，介绍LMS/牛顿算法和实际的序贯回归算法、符号LMS（s-LMS）算法、最小高阶均方（LMF）算法、时域正交（TDO）算法、变换域/频域LMS算法等。非线性自适应滤波器涉及神经元模型、多层感知器、BP算法和径向基函数网络等内容，因此自适应滤波有从一维到多维、线性到非线性、经典自适应信号处理到神经智能自适应信号处理等方法。这部分内容除了介绍较早期的研究成果和基本理论外，也涉及到近年来取得的新成果。

第三部分为自适应信号处理的应用，包括自适应噪声干扰对消、自适应谱线增强与谱估计、自适应均衡、自适应预测、自适应阵列处理与波束形成等等。从原理到实际应用，这部分内容也将随着自适应信号处理技术应用的发展而适当调整。

课程主要教材：

1. 董绍平. 自适应信号处理. 哈尔滨工业大学校内讲义, 1998年

2. 沈福民. 自适应信号处理. 西安电子科技大学出版社. 2001年

主要参考文献：

1. Simon Haykin. Adaptive Filter Theory. Prentice Hall. 1998年

2. 何振亚. 自适应信号处理. 科学出版社. 2002年

院（系）审核意见：分评委员会审批意见：

（教授委员会）