| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文内容结构安排及主要贡献 | 第14-16页 |
| 第2章 基于范数惩罚的稀疏自适应算法 | 第16-37页 |
| 2.1 自适应滤波介绍 | 第16-21页 |
| 2.1.1 自适应滤波原理 | 第16-17页 |
| 2.1.2 系统辨识问题 | 第17-20页 |
| 2.1.3 影响滤波器性能的可调参数 | 第20-21页 |
| 2.2 压缩感知理论和自适应滤波器 | 第21-24页 |
| 2.3 零吸引最小均方(ZA-LMS)算法 | 第24-30页 |
| 2.3.1 算法描述 | 第24-25页 |
| 2.3.2 ZA-LMS算法性能分析 | 第25-30页 |
| 2.4 加权零吸引最小均方(RZA-LMS)算法 | 第30-31页 |
| 2.5 低阶范数约束稀疏算法 | 第31-33页 |
| 2.5.1 l_0 -LMS算法 | 第31-33页 |
| 2.5.2 l_p -LMS算法 | 第33页 |
| 2.6 其他稀疏自适应算法 | 第33-36页 |
| 2.7 本章小结 | 第36-37页 |
| 第3章 变步长稀疏惩罚算法 | 第37-48页 |
| 3.1 变步长方法介绍 | 第37-39页 |
| 3.2 变步长加权零吸引最小均方算法 | 第39-47页 |
| 3.2.1 变步长RZA-LMS算法描述 | 第39-42页 |
| 3.2.2 仿真结果及分析 | 第42-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第4章 基于误差函数惩罚的稀疏自适应算法 | 第48-59页 |
| 4.1 基于误差函数惩罚项的改进稀疏最小均方算法 | 第48-53页 |
| 4.1.1 改进的IRZA-LMS算法描述 | 第48-50页 |
| 4.1.2 仿真结果及分析 | 第50-53页 |
| 4.2 非高斯冲激噪声干扰下的误差函数惩罚稀疏算法 | 第53-58页 |
| 4.2.1 基于最大相关熵准则的自适应算法介绍 | 第54-55页 |
| 4.2.2 基于最大相关熵准则的稀疏惩罚算法 | 第55-56页 |
| 4.2.3 仿真结果及分析 | 第56-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第5章 全文总结和下一步工作 | 第59-61页 |
| 5.1 本文工作总结 | 第59-60页 |
| 5.2 未来研究展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第68页 |