自适应滤波：时域自适应滤波和智能天线（第二版）

内容简介

　　本书系统讨论了自适应滤波——时域自适应滤波和空域自适应滤波（智能天线）的理论和应用。本书分为五部分，共十四章和两个附录。第一部分（第1和第2章）为绪论，介绍自适应滤波基本概念和最佳滤波。第二部分（第3至第8章）讨论时域自适应滤波，包括最小均方（LMS）算法、自适应格形滤波器、最小二乘和递谁最小二乘（RLS）算法、卡尔曼滤波和平方根RLS自适应滤波器、最小二乘格形算法和快速横式滤波算法。频域自适应滤波器。第三部分（第9至第门章）讨论空域自适应滤波——智能天线，包括智能天线数字波束形成（DBF）、空域自适应滤波（智能天线）算法、智能天线系统的实现。第四部分（第12至第14章）讨论自适应滤波的应用，包括无线移动通信系统智能天线、自适应滤波技术在雷达中的应用泊适应均衡和自适应噪声对消。第五部分为附录。本书着重基本概念、基本分析方法、主要算法和工程应用，讨论力求深入浅出和简明扼要，可作为信息与通信工程学科各有关专业的本科生和研究生教材，亦可供从事通信、雷达、导航、声呐、遥感。计算机的广大工程技术人员参考。

作者简介

暂缺《自适应滤波：时域自适应滤波和智能天线（第二版）》作者简介

图书目录

第1章自适应滤波基本概念
1.1 自适应滤波
1.2 自适应滤波器的组成
1.2.1 自适应滤波器的组成
1.2.2 可编程滤波器
1.3 空域滤波和时空对应
1.4 自适应滤波应用举例
1.4.1 雷达动目标显示
1.4.2 语音编码
1.4.3 自适应天线（智能天线）
1.4.4 军事扩频通信系统自适应抗干扰
1.4.5 自适应均衡
1.5 自适应滤波技术的发展简史
参考文献
第2章最佳滤波
2.1 概述
2.1.1 自适应和最佳化
2.1.2 时域和空域滤波器的输入信号表示式
2.2 最小均方误差（MMSE）准则
2.3 最大信噪比（MaxSNR）准则
2.4 线性约束最小方差（LCMV）准则
2.5 最大似然（ML）准则
2.6 最小二乘（LS）准则
习题
第3章最小均方（LMS）算法
3.1 最小均方误差滤波器
3.1.1 最小均方误差滤波器的推导
3.1.2 正规方程的解
3.1.3 正交原理
3.2 关于均方误差性能函数的进一步讨论
3.2.1 均方误差性能函数的各种表达式
3.2.2 几何意义
3.3 最陡下降法
3.3.1 最陡下降法的递推公式
3.3.2 最陡下降法的性能分析
3.4 最小均方（LMS）算法
3.4.1 最小均方（LMS）算法公式
3.4.2 LMS算法性能分析
3.5 修正的LMS算法
3.5. 归一化LMS（NLMS）算法
3.5.2 简化的LMS算法
3.6 LMS算法的计算机仿真
3.6.1 自适应线性预测
3.6.2 模型识别
3.6.3 自适应均衡
习题
参考文献
第4章自适应格形滤波器
4.1 线性预测滤波器
4.1.1 前向线性预测滤波器
4.1.2 后向线性预测滤波器
4.1.3 Levinson－Durbin算法
4.2 格形滤波器
4.2.1 由预测滤波器推导格形滤波器
4.2.2 格形滤波器的特性
4.2.3 格形滤波器的各种形式
4.2.4 复信号的预测滤波器和格形滤波器
4.3 最小均方误差自适应格形滤波器
4.3.1 自适应格形滤波器的批处理算法
4.3.2 自适应格形滤波器的梯度算法
习题
参考文献
第5章最小二乘自适应滤波器
5.1 时域最小二乘（LS）滤波器
5.1.1 时域最小二乘滤波方程
5.1.2 递推最小二乘（RLS）算法
5.2 RLS算法的收敛性
5.2.1 系统模型
5.2.2 LS估计的平均值
5.2.3 加权矢量误差的相关矩阵
5.2.4 学习曲线
5.3 对复信号的LS算法和RLS算法
5.4 RLS算法的计算机仿真
5.4.1 自适应线性预测
5.4.2 自适应模型识别
5.4.3 自适应均衡
5.4.4 RLS算法LMS算法的比较
习题
第6章卡尔曼滤波器和平方根RLS自适应滤波器
6.1 基本卡尔曼滤波算法
6.1.1 系统模型
6.1.2 预测
6.1.3 滤波
6.1.4 初始条件和卡尔曼预测算法流程
6.2 一种卡尔曼滤波自适应算法
6.2.1 等法
6.2.2 性能分析
6.3 卡尔曼滤波与RLS算法的对应
6.3.1 系统动态模型
6.3.2 方差卡尔曼滤波与RLS算法的对应
6.4 平方根卡尔曼滤波算法和平方根RLS算法
6.4.1 基于P1/2（n）递推的平方根卡尔曼滤波算法
6.4.2 基于R1/2（n）的平方根RLS算法
6.4.3 基于P-1/2（n）递推的平方根卡尔曼算法及基于R1/2（n）递推的平方根RLS算法
6.5 平方根RLS算法的计算机仿真
习题
参考文献
第7章最小二乘格形（LSL）算法和快速模式滤波（FTF）算法
7.1 矢量空间
7.1.1 希尔伯特空间
7.1.2 投影矩阵
7.1.3 单位现时矢量及角参量
7.2 用矢量空间法研究最小二乘估计问题
7.2.1 最小二乘估计归结于矢量空间问题
7.2.2 前向线性预测滤波器
7.2.3 后向线性预测滤波器
7.2.4 线性预测误差剩余
7.2.5 时间更新
7.3 最小二乘格形（LSL）算法
7.3.1 最小二乘格形滤波器
7.3.2 反射系数的更新
7.4 快速横式滤波（FTF）算法
7.4.1 横式滤波算子和FTF算法的四个横式滤波器
7.4.2 横式滤波算子的更新
7.4.3 FIF算法
习题
参考文献
第8章频域自适应滤波器
8.1 基于圆卷积的频域自适应滤波器
8.2 批处理LMS（BLM）算法和快速LMS（FLMS）算法
8.2.1 批处理LMS（BLMS）算法
8.2.2 快速LMS（FLMS ）算法
8.3 扩频信号窄带干扰抑制算法
8.3.1 算法及框图
8.3.2 性能分析
习题
参考文献
第9章智能天线数字波束形成（DBF）
9.1 数字波束形成（DBF）概述
9.2 阵列天线输人矢量及相关矩阵
9.2.1 阵列输入矢量
9.2.2 输入矢量的相关矩阵
9.3 普通波束形成和多波束形成
9.3.1 线阵波束形成
9.3.2 多波束
9.3.3 赋形波束
9.3.4 面阵波束形成
9.3.5 发射波束形成
9.4 最佳波束形成器
9.4.1 最小均方误差（MMSE）波束形成器
9.4.2 最大信噪比（MaxSNR）波未形成器
9.4.3 线性约束最小方差（LCMV）波束形成器
9.5 旁瓣对消阵和部分自适应阵
9.5.1 自由度
9.5.2 全自适应阵和部分自适应阵
9.5.3 旁瓣对消阵
9.5.4 基于旁瓣对消器结构的部分自适应阵
习题
参考文献
第10章空域自适应滤波（智能天线）算法
10.1 空域自适应滤波（智能天线）算法概述
10.2 QR分解最小二乘（QRD-LS）算法
10.2.1 基本最小二乘算法
10.2.2 在数据域求最佳权
10.2.3 Givens旋转
10.2.4 QRD-LS（QR分解最小二乘）算法
10.2.5 直接提取剩余输出QRD-LS算法
10.2.6 QRD-LS算法的计算机仿真[8]
10.3 SMI（采样矩阵求逆）算法和QRD-SMII（QR分解SMI）算法
10.3.1 SMI（采样矩阵求逆）算法
10.3.2 QR分解SMI算法
10.3.3 对角加载原理及实现
10.3.4 QRD-SMI算法的计算机仿真
10.4 QRD-LS和QRD-SMI算法的Systolic实现
10.4.1 Systolic和Wavefront处理结构
10.4.2 QRD-LS算法的SystoliC处理实现
10.4.3 QRD-SMI算法的Systolic处理实现
10.5 基于CORDIC的自适应数字波束形成技术
10.5.1 CORDIC实现坐标旋转的原理
10.5.2 基于CORDIC的无开方Givens处理
10.5.3 基于CORDIC的无开方无除法Givens处理
10.6 HA（Howells－Applebaum）算法
10.6.1 连续变量的LMS算法
10.6.2 HA算法的公式和框图
10.6.3 HA算法性能分析[23]
10.6.4 特征波束和自适应阵列波束
10.7 稳健（Robust）自适应算法
10.7.1 导数约束法[25]
10.7.2 特征空间法[32]
10.7.3 半无穷维二次优化（SIQO）算法[29]
10.8 唯相位（Phase－only）波束形成算法
10.8.1 概述
10.8.2 权矢量幅度约束算法[34][35]
10.8.3 期望方向增益最大约束算法
10.8.4 小相位扰动约束算法
10.8.5 单端口唯相位自适应阵列处理
10.9 盲目适应算法
10.9.1 恒模算法
10.9.2 最小二乘恒模（LS-CMA）算法[49][50]
10.9.3 最小二乘解扩重扩多目标阵列（LS-DRMTA）算法
10.10 其他自适应算法
10.10.1 正交投影算法
10.10.2 具有严格约束的自适应算法
10.10.3 功率倒置自适应算法
10.10.4 微扰法[59][11]
习题
参考文献
第11 章自适应空域滤波（智能天线）的实现
11.1 数字波束形成系统的组成
11.2 窄带信号和宽带信号
11.2.1 窄带信号
11.2.2 空域滤波的窄带信号
11.2.3 对窄带信号的处理
11.2.4 宽带自适应阵
11.3 通道失配校正及互耦校正
11.3.1 通道失配的影响
11.3.2 窄带通道失配的校正
11.3.3 宽带通道失配的校正
11.3.4 互耦校正
11.4 动态范围. 非线性失真和数字下变频
11.4.1 动态范围
11.4.2 非线性失真的影响
11.4.3 正交混频器的失配和非线性
11.4.4 中频采样ADC和基带采样ADC
11.5 相关信号源及非零带宽信号
11.5.1 相关信号源
11.5.2 非零带宽信号
11.6 量化误差及有限字长的影响
11.6.1 有限字长引起的副瓣电平限制
11.6.2 有限字长引起的干扰抑制性能下降
11.7 权误差. 信号方向误差的影响
11.7.1 自适应权误差
11.7.2 信号方向误差
11.8 影响雷达旁瓣对消阵性能的其他因素
11.8.1 杂波
11.8.2 目标信号. 干扰环境及极化
11.8.3 路径失配[3]
11.9 对处理机速度要求的估计
参考文献
第12章无线移动通信系统智能天线
12.1 无线移动通信系统采用智能天线的必要性和性能改善
12.1.1 概述
12.1.2 采用智能天线后无线通信系统的性能改善
12.2 智能天线对系统性能改善的估计
12.2.1 单用户和白噪声情况
12.2.2 对上行链路容量改善的估计
12.2.3 对下行链路容量改善的估计
12.3 工作方式和波束形成算法
12.3.1 智能天线的工作方式
12.3.2 智能天线波未形成算法分类
12.3.3 智能天线各种方式的应用
12.4 移动通信系统智能天线实验研究
12.4.1 欧洲TSUNAMI智能天线项目
12 4.2 日本移动通信DBF实验系统口到
12.4.3 其他实验系统
12.5 空时联合处理方法
12.5.1 空时radeE（2D-RAKE）接收机
12.5.2 对TDMA体制的空时处理方法简述
12.6 多入多出（MIMO）智能无线技术
12.6.1 MIMO概念
12.6.2 空时网格码
12.6.3 空时分组码
12.6.4 V-BLAST MIMO算法
12.6.5 MIMO研究近况
参考及献
第13章自适应滤波技术在雷达中的应用
13.1 雷达信号最佳滤波
13.2 雷达自适应动目标显示（MTI）滤波器
13.2.1 引言
13.2.2 调整相干振荡器频率的自适应MTI系统
13.2.3 普通DMTI
13.2.4 开环自适应MTI滤波器
13.2.5 闭环自适应MTI滤波器
13.2.6 线性预测和自适应杂波对消
13.3 动目标检测（MTD）
13.4 超低副瓣及多波束
13.4.1 超低副瓣
13.4.2 多波束形成
13.5 旁瓣匿影（SLB）
13.6 自适应旁瓣对消（SLC）
13.7 机载雷达杂波抑制和DPCA
13.7.1 用于单脉冲雷达的地杂波抑制电路
13.7.2 自适应技术和DPCA技术
13.8 时空联合处理
13.9 雷达自适应天线系统
13.9.1 开环旁瓣对消系统
13.9.2 X波段雷达自适应干扰置零系统[37]
13.9.3 林肯实验室RST雷达自适应DBF系统[28]
13.9.4 美国海军数字阵列雷达（DAR）项目[34][35]
参考文献
第14章自适应均衡和自适应嗓声对消
14.1 自适应均衡
14.1.1 均衡器
14.1.2 自适应迫零均衡器
14.1.3 判决引导自适应均衡器
14.1.4 自适应分数间隔均衡器
14.1.5 自适应判决反馈均衡器
14.1.6 盲自适应均衡器
14.1.7 调制解调器和自适应均衡器的连接
14.2 自适应噪声对消
14.2.1 自适应噪声对消器的组成
14.2.2 自适应滤波在医学中的应用
14.2.3 消除声音信号的干扰
14.2.4 分离周期信号和宽带信号
14.2.5 利用噪声对消技术抑制扩频系统窄带干扰
参考及献
附录 A 矩阵和矢量
A.1 矩阵
A.1.1 基本定义和基本运算
A.1.2 某些特殊矩阵
A.1.3 关于迹和行列式的关系式
A.1.4 矩阵求逆引理
A.2 矢量
A.2.1 在实数域上的矢量
A.2.2 在复数域上的矢量
A.2.3 矢量外积
A.3 二次型和埃尔米特型
A.3.1 二次型
A.3.2 埃尔米特型
A.4 特征值和特征矢量
A.4.1 基本概念
A.4.2 相似和矩阵的对角钱化
A.5 实对称矩阵和埃尔米特矩阵
A.5.1 实对称矩阵
A.5.2 埃尔米特矩阵
A.6 梯度
A.6.1 定义
A.6.2 对实矢量的函数的梯度公式
A.6.3 对复矢量的函数的梯度公式
A.7 复变量函数的导数
A.7.1 解析函数
A.7.2 复矢量的复函数的导数
附录B 线性组合器加权及相关运算取共轭的位置