| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目次 | 第9-11页 |
| 1 绪论 | 第11-22页 |
| ·自适应滤波器 | 第11-14页 |
| ·线性自适应滤波器 | 第11-14页 |
| ·非线性自适应滤波器 | 第14页 |
| ·核方法 | 第14-17页 |
| ·核自适应滤波器 | 第17-19页 |
| ·元学习的概述 | 第19-20页 |
| ·元学习的研究现状 | 第19-20页 |
| ·增量Delta-Bar-Delta(IDBD)算法 | 第20页 |
| ·本论文的研究内容 | 第20-22页 |
| 2 核增量元学习(KIMEL)算法与应用 | 第22-38页 |
| ·核增量元学习(KIMEL)算法的推导 | 第22-25页 |
| ·核增量元学习(KIMEL)算法的收敛性和稳态性分析 | 第25-28页 |
| ·权值向量的一阶矩的收敛性分析 | 第25-26页 |
| ·KIMEL算法的稳态分析 | 第26-28页 |
| ·算法应用 | 第28-37页 |
| ·非线性信道均衡 | 第28-31页 |
| ·图像质量评价 | 第31-37页 |
| ·图像的相关感觉特征 | 第31-34页 |
| ·无参考图像质量评价的工作框图 | 第34页 |
| ·实验仿真 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 3 复核增量元学习(CKIMEL)算法与应用 | 第38-50页 |
| ·可再生核空间(RKHS)的复数化 | 第38-39页 |
| ·WIRTINGER微分的概述 | 第39-40页 |
| ·复核增量元学习(CKIMEL)算法的推导 | 第40-45页 |
| ·复核增量元学习算法1(CKIMEL1)的推导 | 第40-43页 |
| ·复核增量元学习算法2(CKIMEL2)的推导 | 第43-45页 |
| ·算法应用 | 第45-49页 |
| ·非线性信道均衡 | 第45-47页 |
| ·非线性信道辨识 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 4 基于l_0范数的增量DELTA-BAR-DELTA(l_0-IDBD)算法与应用 | 第50-61页 |
| ·两种常见的稀疏自适应滤波算法 | 第50-52页 |
| ·零吸引子最小均方(ZA-LMS)算法 | 第50-51页 |
| ·基于l_0范数的最小均方(l_0-LMS)算法 | 第51-52页 |
| ·基于l_0范数的增量DELTA-BAR-DELTA(l_0-IDBD)算法的推导 | 第52-54页 |
| ·基于l_0范数的增量DELTA-BAR-DELTA(l_0-IDBD)算法的简要分析 | 第54-56页 |
| ·实验仿真 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 作者简历 | 第67页 |
