随机过程与模型11离散时间随机过程的部分特性12平均各态.DOCVIP

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 尤尔一沃克方程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Cramer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 本章小结1.21 习题第2章 维纳滤波器2.1 线性最优滤波：问题综述2.2 正交性原理2.3 最小均方误差2.4 维纳一霍夫方程2.5 误差性能曲面2.6 多重线性回归模型2.7 示例2.8 线性约束最小方差滤波器2.9 广义旁瓣消除器2.10 本章小结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 列文森一杜宾算法3.4 预测误差滤波器的性质3.5 舒尔一科思测试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 本章小结3.13 习题第4章 最速下降算法4.1 最速下降算法的基本思想4.2 最速下降算法应用于维纳滤波器4.3 最速下降算法的稳定性4.4 示例4.5 作为确定性搜索法的最速下降算法4.6 最速下降算法的优点与局限性4.7 本章小结4.8 习题第5章 最小均方自适应滤波器5.1 最小均方算法的结构与运算概述5.2 最小均方自适应算法5.3 应用示例5.4 统计LMS理论5.5 LMS算法与最速下降算法的比较5.6 自适应预测的计算机实验5.7 自适应均衡的计算机实验5.8 最小方差无失真响应波束形成器的计算机实验5.9 非白噪声输入时LMS算法收敛的方向性5.10 LMS滤波器的鲁棒性：H准则5.11 不同情况下步长参数的上界5.12 确定性输入时的转移函数方法5.13 本章小结5.14 习题第6章 归一化最小均方自适应滤波器6.1 归一化LMS滤波器作为约束最优化问题的解6.2归一化LMS滤波器的稳定性6.3 回声消除中的步长控制6.4 实数据时收敛过程的几何考虑6.5 仿射投影滤波器6.6 本章小结6.7 习题第7章 频域和子带自适应滤波器7.1 块自适应滤波器7.2 快速块LMS算法7.3 无约束频域自适应滤波器7.4 自正交化自适应滤波器7.5 自适应均衡的计算机实验7.6 子带自适应滤波器7.7 自适应滤波算法的分类7.8 本章小结7.9 习题第8章 最小二乘法8.1 线性最小二乘估计问题8.2 数据开窗8.3 正交性原理的进一步讨论8.4 误差的最小平方和8.5 正则方程和线性最小二乘滤波器8.6 时间平均相关矩阵8.7 根据数据矩阵构建正则方程8.8 最小二乘估计的特性8.9 MVDR的谱估计8.10 WVDR波束形成的正则化8.11 奇异值分解8 12 伪逆8.13 奇异值和奇异向量的解释8.14 线性最小H乘问题的最小范数解8.15 归一化最小均方算法看做欠定最小二乘小范数解8.16 本章小结8.17 习题第9章 递归最小二来自适应滤波器9.1 预备知识9.2 矩阵求逆引理9.3 指数加权递归最小二乘算法9.4 正则化参数的选择9.5 误差平方加权和的更新递归9.6 示例：单个权值目适应噪声消除器9.7 RLS算法的收敛性分析9.8 自适应均衡的计算机实验9.9 RLS滤波器的鲁棒性9.10 本章小结9.11 习题第10章 卡尔曼滤波器10.1 标量随机变量的递归最小均方估计10.2 卡尔曼滤波问题10.3 新息过程10.4 应用新息过程进行状态估计10.5 滤波10.6 初始条件10.7 卡尔曼滤波器总结10.8 卡尔曼滤波器作为RLS滤波器的统一基础10.9 卡尔曼滤波器变形10.10 广义卡尔曼滤波器10.11 本章小结10.12 习题第11章 平方根自适应滤波器11.1 平方根卡尔曼滤波器11.2 在卡尔曼滤波器基础上构建平方报自适应滤波器11.3 QR－RLS算法11.4 自适应波束形成11.5 逆QR-RLS算法11.6 本章小结11.7 习题第12章 阶递归自适应滤波器12.1 梯度自适应格型滤波器12.2 采用最小二乘估计的阶递归自适应滤彼器：概述12.3 自