自适应滤波算法与实现（第四版）

内容简介

本书简明地介绍了自适应信号处理和自适应滤波的主要概念， 在统一框架下对主要类型的自适应滤波算法进行了阐述。本书指导思想是揭示出自适应滤波的坚实理论基础， 第四版与第二版相比， 不仅包含了原书中关于自适应滤波的经典理论和非线性自适应滤波、 子带自适应滤波、 线性约束维纳滤波器、 LMS类算法、 RLS算法、 IIR算法、 仿射投影算法等内容， 还增加了数据选择性自适应滤波、 盲自适应滤波、 复信号自适应滤波、 卡尔曼滤波和集员仿射投影算法等全新内容和研究成果。本书符号表示清晰， 主要算法均以图表形式给出， 许多举例来源于实际问题。此外， 作者还根据教学需要和读者要求， 对原书部分内容进行了调整和优化， 对习题和参考文献进行了更新和补充。本书提供了大量的算法、 例题、 仿真结果、 参考文献以及所有算法的MATLAB实现， 以帮助读者深入理解书中内容， 快速解决问题并对算法进行验证和应用。

目录

第1章 自适应滤波导论
1.1 引言
1.2 自适应信号处理
1.3 自适应算法简介
1.4 应用
参考文献
第2章 自适应滤波基础
2.1 引言
2.2 信号表示
2.2.1 确定性信号
2.2.2 随机信号
2.2.3 遍历性
2.3 相关矩阵
2.4 维纳滤波器
2.5 线性约束维纳滤波器
2.6 MSE曲面
2.7 偏差和一致性
2.8 牛顿算法
2.9 下降算法
2.10应用回顾
2.10.1 系统辨识
2.10.2 信号增强
2.10.3 信号预测
2.10.4 信道均衡
2.10.5 数字通信系统
2.11小结
2.12习题
参考文献
第3章 均方（LMS）算法
3.1 引言
3.2 LMS算法
3.3 LMS算法特性
3.3.1 梯度特性
3.3.2 系数向量的收敛特性
3.3.3 系数误差向量协方差矩阵
3.3.4 误差信号的特性
3.3.5 均方误差
3.3.6 超量均方误差和失调
3.3.7 瞬态特性
3.4 非平稳环境下LMS算法的特性
3.5 复数LMS算法
3.6 举例
3.6.1 分析举例
3.6.2 系统辨识仿真
3.6.3 信道均衡仿真
3.6.4 快速自适应仿真
3.6.5 线性约束LMS算法
3.7 小结
3.8 习题
参考文献
第4章 基于LMS准则的算法
4.1 引言
4.2 量化误差算法
4.2.1 符号误差算法
4.2.2 双符号算法
4.2.3 2的幂误差算法
4.2.4 符号数据算法
4.3 LMS牛顿算法
4.4 归一化LMS算法
4.5 变换域LMS算法
4.6 仿射投影算法
4.6.1 仿射投影算法的失调
4.6.2 非平稳环境下的算法特性
4.6.3 暂态特性
4.6.4 复数仿射投影算法
4.7 举例
4.7.1 分析举例
4.7.2 系统辨识仿真
4.7.3 信号增强仿真
4.7.4 信号预测仿真
4.8 小结
4.9 习题
参考文献
第5章 常规RLS自适应滤波器
5.1 引言
5.2 递归二乘算法
5.3 二乘解的特性
5.3.1 正交原理
5.3.2 二乘解与维纳解的关系
5.3.3 确定性自相关初始化的影响
5.3.4 系数向量的稳态特性
5.3.5 系数误差向量协方差矩阵
5.3.6 误差信号的特性
5.3.7 超量均方误差和失调
5.4 在非平稳环境下的特性
5.5 复数RLS算法
5.6 举例
5.6.1 分析举例
5.6.2 系统辨识仿真
5.6.3 信号增强仿真
5.7 小结
5.8 习题
参考文献
第6章 数据选择性自适应滤波
6.1 引言
6.2 集员滤波
6.3 集员归一化LMS算法
6.4 集员仿射投影算法
6.4.1 向量γ(k)的平凡选择
6.4.2 简单向量γ —(k)
6.4.3 降低简化SM-AP算法的复杂度
6.5 集员双归一化LMS算法
6.5.1 SM-BNLMS算法1
6.5.2 SM-BNLMS算法2
6.6 计算复杂度
6.7 时变γ —
6.8 部分更新自适应滤波
6.9 举例
6.9.1 分析举例
6.9.2 系统辨识仿真
6.9.3 回声消除环境
6.9.4 无线信道环境
6.10小结
6.11习题
参考文献
第7章 自适应格型RLS算法
7.1 引言
7.2 递归二乘预测
7.2.1 前向预测问题
7.2.2 后向预测问题
7.3 阶数更新方程
7.3.1 新参数δ(k， i)
7.3.2 ξdbmin（k, i）和wb(k， i)的阶数更新
7.3.3 ξdfmin(k, i)和wf(k， i)的阶数更新
7.3.4 预测误差的阶数更新
7.4 时间更新方程
7.4.1 预测系数的时间更新
7.4.2 δ(k， i)的时间更新
7.4.3 γ(k， i)的阶数更新
7.5 联合过程估计
7.6 二乘误差的时间递归
7.7 归一化格型RLS算法
7.7.1 基本阶数递归
7.7.2 前馈滤波
7.8 误差反馈格

摘要与插图

译者序
　　自适应滤波理论是统计信号处理领域中的一个重要组成部分。对于时变未知环境下的信号处理问题，自适应滤波器比传统固定滤波器更优，并且拥有其他方法不具备的信号处理能力。因此，近50年来，自适应滤波理论在许多领域（如通信、控制、雷达、声呐、地震和生物医学工程等）获得了广泛应用。
　　本书作者PauloS.R.Diniz教授长期致力于自适应信号处理、模拟和数字信号处理、数字通信、无线通信、多采样率系统、随机过程、电子电路等领域的教学和研究工作，是上信号处理领域中的学者。他曾在巴西里约热内卢联邦大学、美国圣母玛丽亚大学、加拿大维多利亚大学、芬兰赫尔辛基理工大学等世界各地许多学术机构和研究院所进行讲学。他根据讲授自适应信号处理课程的讲稿，结合其多年从事教学工作积累的丰富经验和学生的需求，专门针对大学本科生、研究生和从事实际工作的工程师撰写了本书。
　　本书与其他有关自适应滤波理论的著作相比，具有如下三个突出特点。
　　第一，本书适合于作为教材。作者在有限篇幅内系统精炼地阐明了自适应信号处理和自适应滤波的理论基础，深入探讨了大多数基本概念，给出了适当的例子，并对实际应用进行了讨论。为了避免直接给出推导结果又不至于内容重复，作者以统一的风格对算法进行了严格推导，便于在讲解不同算法时，不至于在符号和推导上花太多时间。因此，本书尤其适合于作为本科生和研究生学习自适应信号处理和自适应滤波理论时的教材。
　　第二，本书重点介绍了便于有效实现的算法。在应用自适应滤波理论时常常面临一个问题，即在有限精度实现中，到底哪一个算法才能真正有效。因此，作者针对那些利用有限精度实现能真正有效的算法进行了重点讲解，对量化效应还单独进行了理论分析。这使学生能够通过学习，尝试自适应滤波器的实现和研究。对于从事实际工作的工程师和科技人员来说，这也是有益的。
　　第三，本书内容新颖。本书作者具有多年教学经验，他的许多观点都很有性。本书除了讨论自适应信号处理和自适应滤波的基本理论以外，还新增了数据选择性自适应滤波、盲自适应滤波、复信号自适应滤波、卡尔曼滤波和集员仿射投影算法等内容，以及近年来上的研究成果。
　　正因为如此，本书自第一版出版以来，就受到了读者的一致好评，现已作为世界上许多大学的教材。本书对于信号处理、通信工程、自动控制、电路与系统、智能系统等领域的科研人员以及其他对自适应滤波理论感兴趣的人来说都很有参考价值。
　　本书第1章至第7章及第18章由刘郁林教授翻译，第8章至第11章由万群教授翻译，第12章至第14章由王锐华工程师翻译，第15章至第17章由陈绍容副教授翻译。全书由刘郁林教授统稿审校，重庆通信学院的晁志超博士参与了译稿的整理工作。
　　尽管在翻译本书时对原著中的部分错误和不当之处进行了认真校对，但由于译者水平有限，书中难免存在疏漏和不当之处，恳请广大读者和专家批评指正。
　　前言
　　在过去30年中，数字信号处理领域取得了飞速发展，在许多大学的本科生和研究生教学计划中都包括了“数字信号处理”这门课程，这与不断出现的数字信号处理实现技术是密不可分的。数字信号处理技术的巨大发展，使得其中的某些研究方向已经独立出来，成为新的领域。如果可以准确得到待处理信号的信息，设计者就能很容易地选择适的算法来对信号进行处理。如果待处理信号的统计特性是未知的，采用固定算法就不能有效地处理信号。解决方法是采用自适应滤波器，这种滤波器可以通过其内部参数的化来自动改变其特征。自适应滤波算法在统计信号处