Адаптивная фильтрация сигналов, Теория и алгоритмы, Джиган В.И., 2013

К сожалению, на данный момент у нас невозможно бесплатно скачать полный вариант книги.

Но вы можете попробовать скачать полный вариант, купив у наших партнеров электронную книгу здесь, если она у них есть наличии в данный момент.

Также можно купить бумажную версию книги здесь.

Ссылки на файлы заблокированы по запросу правообладателей.

Links to files are blocked at the request of copyright holders.

Адаптивная фильтрация сигналов, Теория и алгоритмы, Джиган В.И., 2013.

  В книге рассматриваются основные разновидности адаптивных фильтров и их применение в радиотехнических системах и системах связи. Дается представление о математических объектах и методах, используемых в теории адаптивной фильтрации сигналов. Рассматриваются приемы получения вычислительных процедур, сами процедуры и свойства таких алгоритмов адаптивной фильтрации, как алгоритмы Ньютона и наискорейшего спуска, алгоритмы по критерию наименьшего квадрата, рекурсивные алгоритмы по критерию наименьших квадратов и их быстрые (вычислительно эффективные) версии; рекурсивные алгоритмы по критерию наименьших квадратов для многоканальных фильтров и их версии для обработки нестационарных сигналов, а также многоканальные алгоритмы аффинных проекций. Дано описание стандартных и нестандартных приложений для моделирования адаптивных фильтров на современных языках программирования MATLAB, Lab VIEW и System Vue, а также реализаций адаптивных фильтров на современных цифровых сигнальных процессорах отечественного и зарубежного производства.
Особенностью книги является изложения теоретических материалов для наиболее общего случая - адаптивных фильтров с комплексными весовыми коэффициентами, наличие разделов по многоканальным адаптивным фильтрам и алгоритмам адаптивной фильтрации нестационарных сигналов.
Книга является первым систематическим изложением теории адаптивной фильтрации на русском языке.
Она предназначена для научных работников, инженеров, аспирантов и студентов радиотехнических и связных специальностей, изучающих и использующих на практике цифровую обработку сигналов и, в частности, адаптивную фильтрацию сигналов.

Адаптивная фильтрация сигналов, Теория и алгоритмы, Джиган В.И., 2013


Линейное предсказание сигналов.
Еще одним приложением адаптивных фильтров является линейное предсказание наблюдаемых сигналов. При линейном предсказании в качестве требуемого сигнала адаптивного фильтра используется наблюдаемый сигнал, а в качестве входного сигнала — его задержанная копия. По окончании переходного процесса адаптивный фильтр представляет собой модель источника сигнала, а потому может быть использован для предсказания этого сигнала. Линейное предсказание, в частности, используется при кодировании речи (в вокодерах) [53], при построении быстрых адаптивных фильтров, рассматриваемых далее в главе 11, а также для выделения узкополосных сигналов х(k) (спектральных линий, «line enhancement») на фоне широкополосных помех z(k) (рис. 1.33).

В схеме (см. рис. 1.33) величина задержки D в отсчетах обрабатываемых сигналов выбирается такой, что kz<D<kx, где kz — ширина основного лепестка автокорреляционной функции широкополосного сигнала z(k) и kх — ширина основного лепестка автокорреляционной функции узкополосного сигнала х(k). Будучи задержанным на D отсчетов, сигнал x(k—D) остается коррелированным с сигналом х(k), потому в процессе адаптации на выходе адаптивного фильтра формируется сигнал, близкий к узкополосному сигналу х(k), а на выходе сигнала ошибки — сигнал, близкий к широкополосному сигналу z(k). В зависимости от того, какой из обрабатываемых сигналов является «полезным» — узкополосный или широкополосный, в качестве «полезного» выходного сигнала используется выходной сигнал адаптивного фильтра или сигнал ошибки.

ОГЛАВЛЕНИЕ.
Список сокращений.
Список основных обозначений.
Предисловие.
Глава 1. Введение в адаптивную обработку сигналов.
1.1. Введение.
1.2. Требования к адаптивным фильтрам.
1.3. Критерии функционирования адаптивных фильтров.
1.4. Идентификация неизвестной линейной системы.
1.5. Компенсация эхо-сигналов.
1.6. Выравнивание характеристик электрических каналов связи
1.7. Адаптивные антенные решетки.
1.8. Шумоочистка сигналов.
1.9. Линейное предсказание сигналов.
1.10. Выводы по главе.
Глава 2. Оператор комплексного градиента и его применение в теории адаптивной фильтрации сигналов.
2.1. Введение.
2.2. Несколько простых примеров дифференцирования функций действительных и комплексных переменных.
2.3. Дифференцирование комплексных и действительных функций комплексного переменного.
2.4. Свойства оператора комплексного градиента.
2.5. Выводы по главе.
Глава 3. Основы адаптивной фильтрации сигналов.
3.1. Введение.
3.2. Корреляционная матрица.
3.3. Собственные числа и собственные векторы корреляционной матрицы.
3.4. Винеровская фильтрация.
3.5. Поверхность среднеквадратической ошибки.
3.6. Пример расчета собственных чисел, собственных векторов корреляционной матрицы и поверхности среднеквадратической ошибки.
3.7. Линейно-ограниченная винеровская фильтрация.
3.8. Выводы по главе.
Глава 4. Поиск винеровского решения.
4.1. Введение.
4.2. Алгоритм Ньютона.
4.3. Постоянные времени алгоритма Ньютона.
4.4. Алгоритм наискорейшего спуска.
4.5. Постоянные времени алгоритма наискорейшего спуска.
4.6. Другая интерпретация алгоритма Ньютона.
4.7. Выводы по главе.
Глава 5. LMS-алгоритм и его свойства.
5.1. Введение.
5.2. LMS-алгоритм.
5.3. Переходные процессы в LMS-алгоритме.
5.4. Качество адаптивной фильтрации сигналов с помощью LMS-алгоритма.
5.5. NLMS-алгоритм.
5.6. Градиентные алгоритмы с переменным шагом сходимости.
5.7. Линейно-ограниченные LMS- и NLMS-алгоритмы.
5.8. Выводы по главе.
Глава 6. Рекурсивная адаптивная фильтрация по критерию наименьших квадратов.
6.1. Введение.
6.2. Задача наименьших квадратов и ее решение.
6.3. Основные свойства LS-решения.
6.4. Геометрическая интерпретация метода наименьших квадратов.
6.5. Рекурсивная задача наименьших квадратов.
6.6. Решение рекурсивной задачи наименьших квадратов.
6.7. Качество адаптивной фильтрации с помощью RLS-алгоритма.
6.8. Выводы по главе.
Глава 7. Рекурсивная адаптивная фильтрация по критерию наименьших квадратов на основе обратного QR-разложения.
7.1. Введение.
7.2. RLS-фильтрация с помощью прямого QR-разложения.
7.3. Рекурсивное вычисление вектора весовых коэффициентов.
7.4. Рекурсивное вычисление некоторых переменных.
7.5. Обратное QR-разложение.
7.6. Вычисление обратного разложения Холецкого.
7.7. Параллельная реализация IQRD RLS-алгоритма.
7.8. Выводы по главе.
Глава 8. Рекурсивная адаптивная фильтрация по критерию наименьших квадратов на базе прямого QR-разложения.
8.1. Введение.
8.2. Рекурсивная форма прямого QR-разложения.
8.3. Рекурсивное вычисление ошибок.
8.4. Параллельная реализация QRD RLS-алгоритма.
8.5. Выводы по главе.
Глава 9. Уменьшение вычислительной сложности рекурсивных алгоритмов адаптивной фильтрации по критерию наименьших квадратов.
9.1. Введение.
9.2. Преобразование Хаусхолдера.
9.3. RLS-алгоритм, использующий преобразование Хаусхолдера.
9.4. Исключение операций извлечения квадратного корня в алгоритмах на основе обратного QR-разложения.
9.5. Исключение операций извлечения квадратного корня в алгоритмах на основе прямого QR-разложения.
9.6. Выводы по главе.
Глава 10. Линейно-ограниченная рекурсивная адаптивная фильтрация по критерию наименьших квадратов.
10.1. Введение.
10.2. Постановка и решение линейно-ограниченной RLS-задачи адаптивной фильтрации.
10.3. Линейно-ограниченный RLS-алгоритм.
10.4. Двойное ограничение в RLS-алгоритме.
10.5. RLS-алгоритм с двойным ограничением и линейной вычислительной сложностью.
10.6. Выводы по главе.
Глава 11. Быстрые рекурсивные адаптивные алгоритмы по критерию наименьших квадратов.
11.1. Введение.
11.2. Линейное предсказание вперед.
11.3. Линейное предсказание назад.
11.4. Быстрое вычисление вектора коэффициентов Калмана.
11.5. Соотношение между апостериорными и априорными ошибками.
11.6. Рекурсивное вычисление отношения ошибок.
11.7. Быстрый алгоритм Калмана.
11.8. FTF-алгоритм.
11.9. FAEST-алгоритм.
11.10. Выводы по главе.
Глава 12. Быстрые лестничные алгоритмы.
12.1. Введение.
12.2. Рекурсивное вычисление энергий ошибок линейного предсказания.
12.3. Рекурсивное вычисление ошибок линейного предсказания и коэффициентов отражения.
12.4. Рекурсивное вычисление ошибок моделирования требуемого сигнала адаптивного фильтра.
12.5. Рекурсивные адаптивные алгоритмы на основе вычисления априорных и апостериорных ошибок.
12.6. Рекурсивные адаптивные алгоритмы с обратными связями на основе вычисления априорных и апостериорных ошибок.
12.7. Нормализованный лестничный алгоритм.
12.8. Алгоритм на основе QR-разложения с операциями извлечения квадратного корня.
12.9. Алгоритм на основе QR-разложения без операций извлечения квадратного корня.
12.10. Алгоритм на основе QR-разложения с операциями извлечения квадратного корня в пространстве состояний.
12.11. Выводы по главе.
Глава 13. Многоканальные RLS-алгоритмы.
13.1. Введение.
13.2. B-SUSD линейное предсказание.
13.3. B-SUSD-вычисление векторов коэффициентов Калмана и отношений ошибок линейного предсказания.
13.4. B-SUSD быстрые RLS-алгоритмы.
13.5. 1-SUSD линейное предсказание.
13.6. 1-SUSD вычисление векторов коэффициентов Калмана и отношений ошибок линейного предсказания.
13.7. 1-SUSD быстрые RLS-алгоритмы.
13.8. Выводы по главе.
Глава 14. Другие разновидности RLS-алгоритмов.
14.1. Введение.
14.2. Быстрые алгоритмы на основе обратного QR-разложения.
14.3. Регуляризация RLS-алгоритмов.
14.4. RLS-алгоритмы со скользящим окном.
14.5. Одновременное использование скользящего окна и регуляризации в RLS-алгоритмах.
14.6. Параллельные RLS-алгоритмы, допускающие вычисления с помощью двух или четырех процессоров.
14.7. Особенности построения быстрых многоканальных алгоритмов аффинных проекций.
14.8. Инициализация RLS-алгоритмов.
14.9. Выводы по главе.
Глава 15. Применение адаптивных алгоритмов.
15.1. Введение.
15.2. Моделирование адаптивных фильтров с помощью приложений DSP System Toolbox языка MATLAB.
15.3. Нестандартные программные средства для моделирования адаптивных фильтров на языке MATLAB.
15.4. Моделирование приложений адаптивной фильтрации с помощью Adaptive Filter Toolkit среды разработки LabVIEW.
15.5. Нестандартные программные средства для моделирования адаптивных фильтров в среде разработки LabVIEW.
15.6. Моделирование приложений адаптивной фильтрации с помощью Adaptive Equalization Library среды разработки SystemVue.
15.7. Библиотека адаптивной фильтрации для ДСП отечественного семейства «Мультикор».
15.8. Приложения адаптивной фильтрации для цифровых сигнальных процессоров компаний Texas Instruments, Analog Devices и Freescale Semiconductor.
15.9. Выводы по главе.
Заключение.
Список литературы.
Предметный указатель.

Купить .

По кнопкам выше и ниже «Купить бумажную книгу» и по ссылке «Купить» можно купить эту книгу с доставкой по всей России и похожие книги по самой лучшей цене в бумажном виде на сайтах официальных интернет магазинов Лабиринт, Озон, Буквоед, Читай-город, Литрес, My-shop, Book24, Books.ru.

По кнопке «Купить и скачать электронную книгу» можно купить эту книгу в электронном виде в официальном интернет магазине «ЛитРес», и потом ее скачать на сайте Литреса.

По кнопке «Найти похожие материалы на других сайтах» можно найти похожие материалы на других сайтах.

On the buttons above and below you can buy the book in official online stores Labirint, Ozon and others. Also you can search related and similar materials on other sites.


Дата публикации:

Хештеги: :: :: :: ::


Следующие учебники и книги:
Предыдущие статьи: