| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第14-15页 |
| 缩略语对照表 | 第15-19页 |
| 第一章 绪论 | 第19-25页 |
| 1.1 研究背景及意义 | 第19-20页 |
| 1.2 研究现状 | 第20-23页 |
| 1.3 论文主要工作 | 第23-25页 |
| 第二章 基于LMAT的自适应滤波算法 | 第25-67页 |
| 2.1 一种无参数的变步长LMAT算法 | 第27-41页 |
| 2.1.1 NVSLMAT算法的提出 | 第28-29页 |
| 2.1.2 NVSLMAT算法的性能分析 | 第29-34页 |
| 2.1.3 实验结果与分析 | 第34-41页 |
| 2.2 一种最优步长的LMAT算法 | 第41-54页 |
| 2.2.1 OPLMAT算法的提出 | 第42-48页 |
| 2.2.2 算法的运算复杂度 | 第48页 |
| 2.2.3 实验结果与分析 | 第48-54页 |
| 2.3 一个基于共轭梯度的非负约束LMAT算法 | 第54-66页 |
| 2.3.1 CG算法的描述 | 第54-55页 |
| 2.3.2 非负约束的系统识别 | 第55-56页 |
| 2.3.3 CGNNLMAT算法的提出 | 第56-59页 |
| 2.3.4 CGNNLMAT算法的性能分析 | 第59-60页 |
| 2.3.5 实验结果与分析 | 第60-66页 |
| 2.4 本章小结 | 第66-67页 |
| 第三章 基于范数约束的自适应滤波算法 | 第67-109页 |
| 3.1 提出一个改进的l_0范数LMS算法 | 第68-76页 |
| 3.1.1 改进算法的提出 | 第69-70页 |
| 3.1.2 算法性能分析 | 第70-72页 |
| 3.1.3 实验结果与分析 | 第72-76页 |
| 3.2 一种带零吸收项的变步长l_0范数NLMS算法 | 第76-85页 |
| 3.2.1 算法的提出 | 第77-78页 |
| 3.2.2 算法的性能分析 | 第78-82页 |
| 3.2.3 实验结果与分析 | 第82-85页 |
| 3.3 一种新的变步长l_1范数LMS算法 | 第85-97页 |
| 3.3.1 算法的提出 | 第85-86页 |
| 3.3.2 算法的性能分析 | 第86-93页 |
| 3.3.3 实验结果与分析 | 第93-97页 |
| 3.4 一种再加权l_0范数约束的连续混合p范数的自适应滤波算法 | 第97-107页 |
| 3.4.1 算法的提出 | 第98-100页 |
| 3.4.2 算法的性能分析 | 第100-104页 |
| 3.4.3 实验结果与分析 | 第104-107页 |
| 3.5 本章小结 | 第107-109页 |
| 第四章 基于样条函数的自适应滤波算法 | 第109-121页 |
| 4.1 SAF-NLMS算法的提出 | 第110-113页 |
| 4.2 SAF-NLMS算法的性能分析 | 第113-116页 |
| 4.2.1 运算复杂度 | 第113页 |
| 4.2.2 收敛性 | 第113-116页 |
| 4.3 SAF-NLMS算法实验结果与分析 | 第116-120页 |
| 4.3.1 计算机仿真数据 | 第116-119页 |
| 4.3.2 真实数据 | 第119-120页 |
| 4.4 本章小结 | 第120-121页 |
| 第五章 基于存在脉冲干扰的分布式网络的自适应滤波算法 | 第121-133页 |
| 5.1 ATC-DNHuber算法的提出 | 第122-126页 |
| 5.1.1 Huber自适应滤波器 | 第122-123页 |
| 5.1.2 NHuber算法 | 第123-124页 |
| 5.1.3 ATC-DNHuber算法 | 第124-126页 |
| 5.2 ATC-DNHuber算法的性能分析 | 第126-128页 |
| 5.2.1 运算复杂度 | 第126页 |
| 5.2.2 收敛性 | 第126-128页 |
| 5.3 实验结果与分析 | 第128-132页 |
| 5.4 本章小结 | 第132-133页 |
| 第六章 结论与展望 | 第133-135页 |
| 6.1 论文工作总结 | 第133页 |
| 6.2 展望 | 第133-135页 |
| 参考文献 | 第135-147页 |
| 致谢 | 第147-149页 |
| 作者简介 | 第149-151页 |
