|
|
|
本書是自我調整信號處理領域的一本經典教材。全書共17章，系統全面、深入淺出地講述了自我調整信號處理的基本理論與方法，充分反映了近年來該領域的新理論、新技術和新應用。
內容包括：隨機過程與模型、維納濾波器、線性預測、最速下降法、隨機梯度下降法、最小均方（LMS）演算法、歸一化LMS自我調整演算法及其推廣、分塊自我調整濾波器、最小二乘法、遞迴最小二乘（RLS）演算法、魯棒性、有限字長效應、非平衡環境下的自我調整、卡爾曼濾波器、平方根自我調整濾波演算法、階遞迴自我調整濾波演算法、盲反卷積，以及它們在通信與資訊系統中的應用。
Simon Haykin：IEEE會士、加拿大皇家學會會士，畢業于英國伯明罕大學電子工程系。現為加拿大McMaster大學的Distinguished University教授，認知系統實驗室主任。2002年獲國際無線電科學聯盟(URSI）頒發的Henry Booker金質獎章。在無線通訊與信號處理領域的多個方面著述頗豐，主要研究方向為自我調整信號處理與智慧信號處理、無線通訊與雷達技術，近年來特別關注 認知無線電和認知雷達方面的研究。
背景與預覽
第1章 隨機過程與模型
1.1離散時間隨機過程的部分特性
1.2平均各態歷經定理
1.3相關矩陣
1.4正弦波加雜訊的相關矩陣
1.5隨機模型
1.6Wold分解
1.7回歸過程的漸近平穩
1.8尤爾沃克方程
1.9電腦實驗：二階自回歸過程
1.10選擇模型的階數
1.11複值高斯過程
1.12功率譜密度
1.13功率譜密度的性質
1.14平穩過程通過線性濾波器傳輸
1.15平穩過程的Cramér譜表示
1.16功率譜估計
1.17隨機過程的其他統計特徵
1.18多譜
1.19譜相關密度
1.20小結與討論
1.21習題
第2章 維納濾波器
2.1線性最優濾波：問題綜述
2.2正交性原理
2.3最小均方誤差
2.4維納霍夫方程
2.5誤差性能曲面
2.6多重線性回歸模型
2.7示例
2.8線性約束最小方差濾波器
2.9廣義旁瓣消除器
2.10小結與討論
2.11習題
第3章 線性預測
3.1前向線性預測
3.2後向線性預測
3.3列文森杜賓演算法
3.4預測誤差濾波器的性質
3.5舒爾科恩測試
3.6平穩隨機過程的自回歸建模
3.7Cholesky分解
3.8格型預測器
3.9全極點、全通格型濾波器
3.10聯合過程估計
3.11語音預測建模
3.12小結與討論
3.13習題
第4章 最速下降法
4.1最速下降演算法的基本思想
4.2最速下降演算法應用於維納濾波器
4.3最速下降演算法的穩定性
4.4示例
4.5作為確定性搜索法的最速下降演算法
4.6最速下降演算法的優點與局限性
4.7小結與討論
4.8習題
第5章 隨機梯度下降法
5.1隨機梯度下降原理
5.2應用1：最小均方（LMS）演算法
5.3應用2：梯度自我調整格型濾波演算法
5.4隨機梯度下降法的其他應用
5.5小結與討論
5.6習題
第6章 最小均方（LMS）演算法
6.1信號流圖
6.2最優性考慮
6.3應用示例
6.4統計學習理論
6.5瞬態特性和收斂性考慮
6.6統計效率
6.7自我調整預測的電腦實驗
6.8自我調整均衡的電腦實驗
6.9最小方差無失真回應波束成形器的電腦實驗
6.10小結與討論
6.11習題
第7章 歸一化最小均方（LMS）自我調整演算法及其推廣
7.1歸一化LMS演算法作為約束最優化問題的解
7.2歸一化LMS演算法的穩定性
7.3回聲消除中的步長控制
7.4實數據時收斂過程的幾何考慮
7.5仿射投影濾波器
7.6小結與討論
7.7習題
第8章 分塊自我調整濾波器
8.1分塊自我調整濾波器：基本思想
8.2快速分塊LMS演算法
8.3無約束頻域自我調整濾波器
8.4自正交化自我調整濾波器
8.5自我調整均衡的電腦實驗
8.6子帶自我調整濾波器
8.7小結與討論
8.8習題
第9章 最小二乘法
9.1線性最小二乘估計問題
9.2數據開窗
9.3正交性原理的進一步討論
9.4誤差的最小平方和
9.5正則方程和線性最小二乘濾波器
9.6時間平均相關矩陣Φ
9.7根據資料矩陣構建正則方程
9.8最小二乘估計的性質
9.9最小方差無失真回應（MVDR）的譜估計
9.10MVDR波束成形的正則化
9.11奇異值分解
9.12偽逆
9.13奇異值和奇異向量的解釋
9.14線性最小二乘問題的最小范數解
9.15歸一化LMS演算法看做欠定最小二乘估計問題的最小范數解
9.16小結與討論
9.17習題
第10章 遞迴最小二乘（RLS）演算法
10.1預備知識
10.2矩陣求逆引理
10.3指數加權遞迴最小二乘演算法
10.4正則化參數的選擇
10.5誤差平方加權和的更新遞迴
10.6示例：單個權值自我調整雜訊消除器
10.7統計學習理論
10.8效率
10.9自我調整均衡的電腦實驗
10.10小結與討論
10.11習題
第11章 魯棒性
11.1魯棒性、自我調整和干擾
11.2魯棒性：源於H∞優化的初步考慮
11.3LMS演算法的魯棒性
11.4RLS演算法的魯棒性
11.5從魯棒性的角度比較LMS和RLS演算法
11.6風險敏感的最優性
11.7在魯棒性與有效性（效率）之間的折中
11.8小結與討論
11.9習題
第12章 有限字長效應
12.1量化誤差
12.2最小均方演算法
12.3遞迴最小二乘演算法
12.4小結與討論
12.5習題
第13章 非平穩環境下的自我調整
13.1非平穩的前因後果
13.2系統辨識問題
13.3非平穩度
13.4跟蹤性能評價準則
13.5LMS演算法的跟蹤性能
13.6RLS演算法的跟蹤性能
13.7LMS演算法和RLS演算法的跟蹤性能比較
13.8自我調整參數的調整
13.9IDBD演算法
13.10自動步長法
13.11電腦實驗：平穩和非平穩環境資料的混合
13.12小結與討論
13.13習題
第14章 卡爾曼濾波器
14.1標量隨機變數的遞迴最小均方估計
14.2卡爾曼濾波問題
14.3新息過程
14.4應用新息過程進行狀態估計
14.5濾波
14.6初始條件
14.7卡爾曼濾波器小結
14.8卡爾曼濾波的最優性準則
14.9卡爾曼濾波器作為RLS演算法的統一基礎
14.10協方差濾波演算法
14.11資訊濾波演算法
14.12小結與討論
14.13習題
第15章 平方根自我調整濾波演算法
15.1平方根卡爾曼濾波器
15.2在兩種變形卡爾曼濾波器基礎上構建平方根自我調整濾波器
15.3QRD—RLS演算法
15.4自我調整波束成形
15.5逆QRD—RLS演算法
15.6有限字長效應
15.7小結與討論
15.8習題
第16章 階遞迴自我調整濾波演算法
16.1採用最小二乘估計的階遞迴自我調整濾波器：概述
16.2自我調整前向線性預測
16.3自我調整後向線性預測
16.4變換因數
16.5最小二乘格型（LSL）預測器
16.6角度歸一化估計誤差
16.7格型濾波的一階狀態空間模型
16.8基於QR分解的最小二乘格型（QRD—LSL）濾波器
16.9QRD—LSL濾波器基本特性
16.10自我調整均衡的電腦實驗
16.11採用後驗估計誤差的遞迴LSL濾波器
16.12採用帶誤差回饋先驗估計誤差的遞迴LSL濾波器
16.13遞迴LSL演算法與RLS演算法之間的關係
16.14有限字長效應
16.15小結與討論
16.16習題
第17章 盲反卷積
17.1盲反卷積問題概述
17.2利用迴圈平穩統計量的通道辨識
17.3分數間隔盲辨識用子空間分解
17.4Bussgang盲均衡演算法
17.5將Bussgang演算法推廣到複基帶通道
17.6Bussgang演算法的特例
17.7分數間隔Bussgang等化器
17.8信號源未知的概率分佈函數的估計
17.9小結與討論
17.10習題
後記
附錄A複變函數
附錄B計算複梯度的沃廷格微分
附錄C拉格朗日乘子法
附錄D估計理論
附錄E特徵分析
附錄F非平衡熱力學的朗之萬方程
附錄G旋轉和映射
附錄H複數維薩特分佈
術語
參考文獻
建議閱讀文獻
中英文術語對照表
