| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-11页 |
| 第一章 绪论 | 第11-15页 |
| ·课题来源及研究意义 | 第11页 |
| ·自适应滤波理论与算法的概述 | 第11-13页 |
| ·基于维纳滤波理论的方法 | 第11-12页 |
| ·基于卡尔曼滤波理论的方法 | 第12页 |
| ·基于最小二乘法则的方法 | 第12-13页 |
| ·基于小波变换的方法 | 第13页 |
| ·基于模糊神经网络的方法 | 第13页 |
| ·本课题研究的主要任务 | 第13-15页 |
| 第二章 自适应算法研究及分析 | 第15-20页 |
| ·自适应滤波基本概念 | 第15页 |
| ·自适应滤波算法介绍 | 第15-18页 |
| ·变步长LMS滤波算法介绍 | 第15-16页 |
| ·变换域LMS算法 | 第16页 |
| ·仿射投影算法 | 第16页 |
| ·RLS自适应滤波算法 | 第16-17页 |
| ·基于QR分解的RLS算法 | 第17页 |
| ·归一化格型RLS算法 | 第17-18页 |
| ·基于子带分解的自适应滤波算法 | 第18页 |
| ·其他自适应滤波算法 | 第18页 |
| ·本章小结 | 第18-20页 |
| 第三章 基于LMS的自适应算法 | 第20-32页 |
| ·引言 | 第20页 |
| ·LMS算法性能分析 | 第20-26页 |
| ·LMS算法 | 第20-22页 |
| ·ξ_(min)与滤波器阶数N及输入信号特性的关系 | 第22-26页 |
| ·改进的归一化变步长LMS算法 | 第26-31页 |
| ·NVS算法和MNVS算法 | 第26-28页 |
| ·改进的归一化变步长LMS算法 | 第28页 |
| ·仿真结果及分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 约束LMS算法 | 第32-37页 |
| ·引言 | 第32页 |
| ·约束LMS算法的基本原理 | 第32-34页 |
| ·收敛性分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 自适应算法的实际运用 | 第37-44页 |
| ·引言 | 第37页 |
| ·约束LMS算法的应用分析 | 第37页 |
| ·实验仿真 | 第37-43页 |
| ·仿真结果分析 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第六章 结论与展望 | 第44-45页 |
| 参考文献 | 第45-47页 |