1、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
2、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
3、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 Levinson-Durbin 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
4、最小二乘算法7.2 RLS 算法的收敛性7.3 RLS 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 RLS 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
5、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
6、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
7、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
8、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
9、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） 签字： 签字： 日期： 日期： 自适应信号处理课程内容简介 课程编号：S0105603C 课程名称：自适应信号处理 英文译名：Adaptive Signal Processing适用学
10、科：信息与通信工程 先修课程：数字信号处理 课程类别：学位课 开课学期：春季学期 学时： 36 学分： 2.0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） 内容简介： 自适应信号处理课程主要包括三部分：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等，这是自适应信号处理的基础和基本出发点；第二部分为基本自适应算法及其改进方法。其中算法及线性自适应滤波器围绕最小均方算法和递归最小平方算法及相应的改进算法，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。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。 主要教材： 董绍平. 自适应信号处理. 哈尔滨工业大学校内讲义, 1998 年 沈福民. 自适应信号处理. 西安电子科技大学出版社. 2001 年 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
