| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题研究意义 | 第8-9页 |
| 1.2 自适应滤波算法的发展与研究现状 | 第9-10页 |
| 1.3 本文的创新点 | 第10页 |
| 1.4 论文结构安排 | 第10-11页 |
| 1.5 本章小结 | 第11-12页 |
| 第2章 自适应滤波器及应用 | 第12-18页 |
| 2.1 自适应滤波器及算法原理 | 第12-14页 |
| 2.1.1 自适应滤波器 | 第12-13页 |
| 2.1.2 自适应滤波算法的研究分支 | 第13-14页 |
| 2.2 自适应滤波技术的应用 | 第14-16页 |
| 2.3 本章小结 | 第16-18页 |
| 第3章 最小均方（LMS）算法 | 第18-29页 |
| 3.1 维纳滤波 | 第18-20页 |
| 3.2 最速下降法 | 第20-23页 |
| 3.2.1 简单的梯度搜索算法 | 第20-21页 |
| 3.2.2 最速下降法在维纳滤波中的梯度搜索 | 第21-22页 |
| 3.2.3 收敛性分析 | 第22-23页 |
| 3.3 最小均方（LMS）算法 | 第23-28页 |
| 3.3.1 LMS算法的推导 | 第23-24页 |
| 3.3.2 LMS算法的性能分析 | 第24-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 变步长算法的研究 | 第29-42页 |
| 4.1 变步长LMS算法的分析 | 第29-33页 |
| 4.1.1 已有的变步长LMS算法 | 第29-31页 |
| 4.1.2 传统LMS算法与几种已知变步长算法的仿真对比 | 第31-33页 |
| 4.2 本文提出的变步长LMS算法及仿真 | 第33-38页 |
| 4.2.1 基于双曲正割函数变步长LMS算法的提出 | 第33-36页 |
| 4.2.2 算法的仿真验证 | 第36-38页 |
| 4.3 本文提出算法在噪声消除中的应用仿真 | 第38-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 凸组合自适应滤波算法的研究 | 第42-50页 |
| 5.1 凸组合LMS（CLMS）算法 | 第42-44页 |
| 5.1.1 凸组合LMS算法的介绍 | 第42-44页 |
| 5.1.2 凸组合LMS算法性能分析 | 第44页 |
| 5.2 变步长凸组合自适应算法 | 第44-45页 |
| 5.2.1 变步长凸组合自适应滤波算法的提出 | 第44-45页 |
| 5.2.2 凸组合滤波器引入变步长LMS算法的可行性分析 | 第45页 |
| 5.3 本文提出的变步长凸组合自适应算法及仿真 | 第45-48页 |
| 5.3.1 本文提出的变步长凸组合自适应算法 | 第45-46页 |
| 5.3.2 本文提出变步长凸组合算法的性能分析 | 第46-48页 |
| 5.4 本文提出的NVSCLMS算法在系统辨识系统中的应用 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 论文总结 | 第50页 |
| 6.2 论文的前景与展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 在读期间发表的学术论文及研究成果 | 第55-56页 |
| 致谢 | 第56页 |
