国外电子与通信教材系列自适应滤波器原理(第5版)/(加)S.赫金(SIMON HAYKIN)_PDF下载[148MB-百度云]（加）SimonHaykin（S.赫

本书特色

[

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、*速下降法、随机梯度下降法、*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、*小二乘法、递归*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。

]

内容简介

[

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、很速下降法、随机梯度下降法、很小均方（LMS）算法、归一化LMS自适应算法及其推广、分块自适应滤波器、很小二乘法、递归很小二乘（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。

]

作者简介

[

Simon Haykin：IEEE会士，毕业于英国伯明翰大学电子工程系。加拿大McMaster大学电子与计算机工程系教授，通信研究实验室主任。研究方向包括非线性动力学、神经网络和自适应滤波器及其应用。
长期从事信号与信息处理领域的教学科研工作。曾于1992-1994年在美国马凯特大学和南佛罗里达大学作高级访问学者两年。现为南京邮电学院副院长、信号与信息处理研究所所长、教授、博士生导师，上海交通大学兼职教授、博士生导师；并兼任中国通信学会通信理论与信号处理专业委员会主任委员、教育部电子信息与电气学科教学指导委员会委员、全国信号处理学会委员、全国电子与信息学科研究生教育委员会理事、江苏省信息化推动工业化专家组成员等。

]

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1.6 Wold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*优滤波：问题综述2.2 正交性原理2.3 *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*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3.7 Cholesky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 *速下降法4.1 *速下降算法的基本思想4.2 *速下降算法应用于维纳滤波器4.3 *速下降算法的稳定性4.4 示例4.5 作为确定性搜索法的*速下降算法4.6 *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： *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 *小均方(LMS)算法6.1 信号流图6.2 *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 *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*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*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 *小二乘法9.1 线性*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*小平方和9.5 正则方程和线性*小二乘滤波器9.6 时间平均相关矩阵Φ9.7 根据数据矩阵构建正则方程9.8 *小二乘估计的性质9.9 *小方差无失真响应（MVDR）的谱估计9.10 MVDR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*小二乘问题的*小范数解9.15 归一化LMS算法看做欠定*小二乘估计问题的*小范数解9.16 小结与讨论9.17 习题第10章递归*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*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11.3 LMS算法的鲁棒性11.4 RLS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*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 *小均方算法12.3 递归*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13.5 LMS算法的跟踪性能13.6 RLS算法的跟踪性能13.7 LMS算法和RLS算法的跟踪性能比较13.8 自适应参数的调整13.9 IDBD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*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*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15.3 QRD-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*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 *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*小二乘格型(QRD-LSL)滤波器16.9 QRD-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17.4 Bussgang盲均衡算法17.5 将Bussgang算法推广到复基带信道17.6 Bussgang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