新書推薦：
《
这就是心理咨询：全球心理咨询师都在用的45项技术（第3版）
》
售價：HK$
153.6
《
正说清朝十二帝（修订珍藏版）
》
售價：HK$
105.6
《
黑海史：从历史涟漪到时代巨浪
》
售價：HK$
115.2
《
楼边人似玉
》
售價：HK$
56.2
《
我，毕加索
》
售價：HK$
60.0
《
投资真相
》
售價：HK$
81.6
《
非洲大陆简史（萤火虫书系）
》
售價：HK$
93.6
《
和离：完结篇
》
售價：HK$
63.4
|
| 內容簡介： |
|
本书系统地介绍时域自适应信号处理的基本理论、基本算法和典型应用。从最优准则上看，本书主要涉及最小均方误差准则和最小二乘准则。从滤波器结构上看，主要介绍横向滤波器和格型滤波器。在应用方面，重点介绍自适应模拟、自适应逆模拟、自适应干扰对消和自适应预测等。 全书共11章，主要包括：绪论、维纳滤波、最小均方自适应算法、改进型最小均方自适应算法、最小均方误差线性预测及自适应格型算法、线性最小二乘滤波、最小二乘横向滤波自适应算法、最小二乘格型自适应算法、非线性滤波及其自适应算法、自适应信号处理的应用、盲自适应信号处理理论及应用。 本书可作为高等院校的通信、电子信息工程及其他相关专业的高年级本科生和研究生的教材，也可作为从事信号与信息处理领域研究的工程技术人员的参考书。
|
| 關於作者： |
|
王立国，男，1974年生，哈尔滨工业大学工学博士。2006-2021年任职哈尔滨工程大学，三级教授、博士生导师。现为大连民族大学教授(特聘二级)，国家民委领军人才。中国遥感应用协会高光谱遥感技术与应用专业委员会委员，第四届全国成像光谱学术研讨会执行主席。发表学术论文近三百篇(SCI一百二十余篇)，授权发明专利40余项(国际专利5项)，出版专著3部。主持国家自然科学基金4项、省部级项目若干；参研863重点项目、国家自然科学基金项目、省自然科学基金重点项目若干。获得黑龙江省科技奖励(自然科学类)二等奖2项(分别排名第1、第2)，黑龙江省科技奖励(自然科学类)三等奖1项(排名第1)，黑龙江省高校科学技术奖(自然科学类)一等奖2项、二等奖1项。获黑龙江省三育人先进个人称号。所培养研究生1人入选国家青年人才支持计划，2人获黑龙江省优秀硕士学位论文，2人获哈尔滨工程大学优秀博士学位论文。
|
| 目錄：
|
|
目 录第1章 绪论11.1 自适应滤波的基本概念11.2 自适应信号处理的发展过程21.3 自适应信号处理的应用3第2章 维纳滤波52.1 问题的提出52.2 离散形式维纳滤波器的解52.3 离散形式维纳滤波器的性质72.3.1 正交原理的几何解释72.3.2 正交原理推论72.3.3 最小均方误差72.4 横向滤波器的维纳解82.4.1 横向滤波器的维纳-霍夫方程及其解82.4.2 横向滤波器的误差性能9第3章 最小均方自适应算法153.1 最陡下降算法153.1.1 最陡下降算法的基本思想153.1.2 最小均方误差最陡下降算法153.2 牛顿算法213.2.1 牛顿算法的基本思想213.2.2 最小均方误差牛顿算法223.3 LMS算法263.3.1 LMS算法描述263.3.2 LMS算法的收敛性273.3.3 LMS算法的权向量噪声313.3.4 LMS算法的期望学习曲线333.3.5 LMS算法的性能353.4 LMS牛顿算法37第4章 改进型最小均方自适应算法394.1 归一化LMS算法394.1.1 基于约束优化问题求解归一化LMS算法394.1.2 归一化LMS算法小结414.2 块LMS算法414.2.1 块自适应滤波器414.2.2 块LMS算法描述424.2.3 块LMS算法的收敛性434.2.4 块LMS算法块长度的选择434.3 快速块LMS算法44第5章 最小均方误差线性预测及自适应格型算法465.1 最小均方误差线性预测465.1.1 前向线性预测465.1.2 后向线性预测485.1.3 前向线性预测与后向线性预测的关系505.2 Levinson-Durbin算法515.2.1 Levinson-Durbin算法的导出515.2.2 Levinson-Durbin算法的几点说明535.3 格型滤波器555.3.1 格型滤波器的导出555.3.2 格型滤波器的性质575.3.3 格型滤波器的结构形式585.4 最小均方误差自适应格型算法595.4.1 自适应格型块处理迭代算法595.4.2 自适应格型随机梯度算法61第6章 线性最小二乘滤波646.1 问题的提出646.2 线性最小二乘滤波的正则方程656.2.1 正则方程的推导656.2.2 正则方程的矩阵形式676.2.3 根据数据矩阵构建的正则方程676.3 线性最小二乘滤波的性能696.3.1 正交原理的推论696.3.2 最小平方和误差696.4 线性最小二乘滤波的向量空间法分析706.4.1 向量空间理论706.4.2 线性最小二乘滤波的向量空间解释736.4.3 线性最小二乘数据扩充更新关系756.4.4 线性最小二乘时间更新77第7章 最小二乘横向滤波自适应算法817.1 递归最小二乘算法817.1.1 RLS算法的导出817.1.2 RLS算法小结847.2 RLS算法的收敛性847.2.1 RLS算法的均值847.2.2 RLS算法的均方偏差857.2.3 RLS算法的期望学习曲线867.3 RLS算法与LMS算法的比较877.4 最小二乘快速横向滤波算法877.4.1 FTF算法中的4个横向滤波器877.4.2 横向滤波算子的时间更新957.4.3 FTF算法中的时间更新977.4.4 FTF算法描述1047.4.5 FTF算法的性能106第8章 最小二乘格型自适应算法1088.1 最小二乘格型滤波器1088.1.1 最小二乘前向预测误差的阶更新1088.1.2 最小二乘后向预测误差的阶更新1098.1.3 最小二乘格型结构1108.2 LSL算法1118.2.1 LSL算法导出1118.2.2 LSL算法小结1128.2.3 LSL算法的性能113第9章 非线性滤波及其自适应算法1159.1 非线性滤波概述1159.2 Volterra级数滤波器1169.2.1 连续的Volterra级数滤波器1169.2.2 离散的Volterra级数滤波器1179.3 LMS Volterra级数滤波器1189.4 RLS Volterra级数滤波器1209.5 形态滤波器结构元优化设计的自适应算法1219.5.1 形态滤波器的基本理论1229.5.2 误差准则1239.5.3 腐蚀与膨胀的自适应算法1239.6 自适应加权组合广义形态滤波器1279.6.1 广义形态滤波器的基本理论1279.6.2 广义形态滤波器加权组合自适应算法1279.7 层叠滤波器的自适应优化算法1299.7.1 层叠滤波器的基本理论1299.7.2 层叠滤波器最优估计算法1319.7.3 自适应层叠滤波器138第10章 自适应信号处理的应用14010.1 自适应模拟与系统辨识14010.1.1 系统辨识基本理论14010.1.2 Volterra模型系统辨识14310.1.3 改进的Volterra模型系统辨识14510.1.4 FIR滤波器综合的自适应模拟14810.2 自适应逆模拟15210.2.1 概述15210.2.2 自适应信道均衡15410.2.3 IIR滤波器的自适应综合15910.3 自适应干扰对消16310.3.1 自适应干扰对消的原理16310.3.2 平稳噪声对消解16410.3.3 用作陷波滤波器的自适应噪声对消器16610.4 自适应预测16910.4.1 自适应预测概述16910.4.2 自适应预测器用于对消周期干扰16910.4.3 自适应谱线增强器170第11章 盲自适应信号处理理论及应用17311.1 盲自适应均衡17311.1.1 盲均衡的理论基础17311.1.2 盲均衡算法分类17611.1.3 CMA盲均衡17811.1.4 理想盲均衡实现的条件18211.1.5 最小二乘CMA盲均衡算法18211.1.6 判决反馈盲均衡算法18611.1.7 神经网络盲均衡18811.2 盲源分离19311.2.1 盲源分离基本原理19311.2.2 Fast-ICA算法19611.3 盲系统辨识算法19811.3.1 基于自相关的AR模型的盲辨识算法19811.3.2 基于最大峰度准则的非因果AR系统辨识算法202附录A 矩阵和向量207附录B 相关矩阵与时间平均自相关矩阵210参考文献212
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
