| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 α稳定分布的发展 | 第11-13页 |
| 1.2.2 自适应滤波技术的研究进展 | 第13-16页 |
| 1.3 本文主要研究内容及章节安排 | 第16-18页 |
| 第2章 经典自适应滤波器简介 | 第18-32页 |
| 2.1 自适应滤波器原理 | 第18-19页 |
| 2.2 最陡下降法 | 第19页 |
| 2.3 高斯噪声下的经典自适应滤波算法 | 第19-23页 |
| 2.3.1 最小均方算法 | 第20-21页 |
| 2.3.2 递归最小二乘算法 | 第21页 |
| 2.3.3 卡尔曼滤波算法 | 第21-23页 |
| 2.4 非高斯噪声下的自适应滤波算法 | 第23-31页 |
| 2.4.1 α稳定分布理论 | 第23-26页 |
| 2.4.2 基于L_p范数的最小均方算法 | 第26-28页 |
| 2.4.3 仿真实验与结论 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于冲击噪声稀疏性的自适应联合滤波算法 | 第32-47页 |
| 3.1 冲击噪声的稀疏表示与分解 | 第32-33页 |
| 3.2 基于冲击噪声稀疏性的联合最小均方滤波算法 | 第33-38页 |
| 3.2.1 算法推导 | 第33-36页 |
| 3.2.2 仿真实验与结论 | 第36-38页 |
| 3.3 基于冲击噪声稀疏性的联合递归最小二乘滤波算法 | 第38-42页 |
| 3.3.1 算法推导 | 第38-41页 |
| 3.3.2 仿真实验与结论 | 第41-42页 |
| 3.4 基于冲击噪声稀疏性的联合卡尔曼滤波算法 | 第42-46页 |
| 3.4.1 算法推导 | 第42-44页 |
| 3.4.2 仿真实验与结论 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于冲击噪声组稀疏性的自适应联合滤波算法 | 第47-56页 |
| 4.1 组稀疏表示 | 第47-50页 |
| 4.2 基于冲击噪声组稀疏性的自适应联合滤波算法 | 第50-52页 |
| 4.3 仿真实验与结论 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 总结与未来展望 | 第56-58页 |
| 5.1 本文总结 | 第56-57页 |
| 5.2 未来展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录A 卡尔曼算法中观测更新过程的凸优化等价形式 | 第63-64页 |
| 附录B 自适应联合最小均方算法的收敛性分析 | 第64-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第67页 |