| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 选题背景 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.3.1 比例类的稀疏自适应算法 | 第14-17页 |
| 1.3.2 基于范数惩罚约束类的稀疏自适应算法 | 第17-18页 |
| 1.3.3 其他稀疏自适应算法 | 第18页 |
| 1.4 本文主要工作和章节安排 | 第18-21页 |
| 第2章 比例类自适应算法理论基础 | 第21-31页 |
| 2.1 自适应滤波器的基本原理 | 第21-22页 |
| 2.2 稀疏自适应滤波器算法性能指标 | 第22页 |
| 2.3 系统辨识模型 | 第22-24页 |
| 2.4 经典的自适应算法 | 第24-28页 |
| 2.4.1 最小均方自适应算法 | 第24-25页 |
| 2.4.2 归一化最小均方算法 | 第25页 |
| 2.4.3 传统的PNLMS算法 | 第25-28页 |
| 2.5 改进的PNLMS算法 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 非高斯冲激干扰环境下的自适应算法 | 第31-46页 |
| 3.1 引言 | 第31-33页 |
| 3.2 抗冲激干扰的自适应算法 | 第33-36页 |
| 3.2.1 最大相关熵算法 | 第33-34页 |
| 3.2.2 Arc-NLMS算法 | 第34-35页 |
| 3.2.3 PMCC算法和P-Arc-NLMS算法 | 第35-36页 |
| 3.3 PMCC算法和P-Arc-NLMS算法收敛条件分析 | 第36-38页 |
| 3.4 PMCC算法和P-Arc-NLMS算法计算复杂度分析 | 第38-39页 |
| 3.5 仿真及结果分析 | 第39-44页 |
| 3.5.1 高斯噪声环境下的稀疏系统辨识 | 第40-41页 |
| 3.5.2 非高斯环境下的稀疏系统辨识 | 第41-43页 |
| 3.5.3 非高斯环境下的语音回声系统辨识 | 第43-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 非高斯冲激噪声环境下稀疏遗漏自适应算法 | 第46-65页 |
| 4.1 引言 | 第46-47页 |
| 4.2 传统的LLMS算法 | 第47页 |
| 4.3 基于最大相关熵的比例遗漏自适应算法 | 第47-56页 |
| 4.3.1 算法概述 | 第48-49页 |
| 4.3.2 仿真及结果分析 | 第49-56页 |
| 4.4 抗冲激干扰的稀疏惩罚约束遗漏最小均方算法 | 第56-64页 |
| 4.4.1 符号最小均方自适应算法SLMS | 第56-57页 |
| 4.4.2 RZASLLMS算法 | 第57页 |
| 4.4.3 RL1-SLLMS算法 | 第57-58页 |
| 4.4.4 计算复杂度分析 | 第58-59页 |
| 4.4.5 仿真及结果分析 | 第59-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 全文工作总结和下一步工作 | 第65-67页 |
| 5.1 全文总结 | 第65-66页 |
| 5.2 下一步工作展望 | 第66-67页 |
| 参考文献 | 第67-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第75页 |
