Читать фрагмент

книга

Адаптивная фильтрация сигналов

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, LabVIEW и SystemVue, 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.

Форматы: PDF

Серия: Мир цифровой обработки

Издательство: Техносфера

Год: 2013

Место издания: Москва

ISBN: 978-5-94836-342-4

Страниц: 528

Артикул: 41475

Электронная книга

399 ₽

Купить и скачать

Содержание

Содержание книги "Адаптивная фильтрация сигналов : теория и алгоритмы"

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 ЦСП 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

Отрывок из книги

271.2. Требования к адаптивным фильтрамными ВК к описанию фильтров с действительными ВК является тривиаль ным и обычно сводится к исключению всех операций комплексного сопряжения в матрицах, векторах и скалярных переменных. Этот переход, как будет пока-зано в главе 2, сопровождается появлением в некоторых математических выра-жениях фиксированного множителя, равного 2, который отсутствует в матема-тических выражениях алгоритмов для адаптивных фильтров с комплексными ВК.В адаптивных антенные решетках (ААР) или эхо-компенсаторах и эква-лайзерах оборудования цифровых систем связи с квадратурной модуляцией обрабатываются комплексные сигналы. Это естественным образом приводит к необ ходимости использования адаптивных фильтров с комплексными ВК.В общем случае адаптивные КИХ-фильтры могут быть многоканальными и при этом содержать неодинаковое число ВК в каналах (рис. 1.3). Вектор ВК такого M-канального адаптивного фильтра hhhhhhNNNNNNkkkkkmM()(),(),,(),,(),− =−−⎡⎣−−−11111121TTTT……MMkTT()− ⎤⎦1 образуется из последовательности векторов ВК каналов hNmmn mNmNmmmkhkhkhkhkh( )(),(),,(),,(),,,,,,=−−−−−1211111……mmk()−⎡⎣⎤⎦1T, а вектор сигналов xxxxxxNNNNNNkkkkkkmMM( )( ),( ),,( ),,( ),( )= ⎡⎣⎤⎦−121TTTTTT…… — из последовательности векторов сигналов каналов xNmmmmmmmmmkx kx kx k nx kNx kN( )( ),(),,(),,(),()=−− +−+−+⎡1121……⎣⎣⎤⎦T. Суммарное число ВК многоканального фильтра определяется как NNmmM==∑1.)()1(11kkNHNxh)()1(22kkNHNxh)1(mkHNxh)(kmN)()1(11kkMMNHNxh)()1(kkMMNHNxhАдаптивный алгоритм )(kd)(1kx)(2kx)(1kxM)(kxM)(kxm¦########)(kDРис. 1.3. Многоканальный адаптивный КИХ-фильтр

Внимание!
При обнаружении неточностей или ошибок в описании книги "Адаптивная фильтрация сигналов : теория и алгоритмы (автор В. Джиган)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!

Адаптивная фильтрация сигналов

Содержание

Отрывок из книги

С книгой "Адаптивная фильтрация сигналов" читают