图书介绍

核自适应滤波PDF|Epub|txt|kindle电子书版本网盘下载

核自适应滤波
  • （美）刘伟峰，（美）普林西佩，（加）赫金著 著
  • 出版社： 北京：国防工业出版社
  • ISBN：9787118095975
  • 出版时间：2014
  • 标注页数：213页
  • 文件大小：25MB
  • 文件页数：233页
  • 主题词：自适应滤波

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：eee5bcc9881a3c8e296eea1b41275485

下载说明

核自适应滤波PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章 背景与展望1

1.1 监督、序贯和主动学习1

1.2 线性自适应滤波器3

1.2.1 最小均方算法4

1.2.2 递归最小二乘算法5

1.2.3 扩展递归最小二乘算法7

1.3 非线性自适应滤波器10

1.4 再生核希尔伯特空间11

1.5 核自适应滤波器15

1.6 总结20

注释21

第2章 核最小均方算法27

2.1 最小均方算法28

2.1.1 LMS算法的收敛性29

2.1.2 LMS算法的失调30

2.1.3 学习曲线30

2.2 核最小均方算法31

2.3 核及参数选择34

2.4 步进参数37

2.5 新奇准则38

2.6 KLMS算法的自正则化特性40

2.6.1 解范式约束40

2.6.2 奇异值分析42

2.6.3 单位下三角线性系统47

2.7 泄漏核最小均方算法48

2.8 标准核最小均方算法48

2.9 核ADALINE算法49

2.10 资源配置网络54

2.11 计算机实验55

2.11.1 KLMS算法应用于Mackey-Glass时间序列预测55

2.11.2 KLMS应用于非线性信道均衡63

2.12 结论65

注释66

第3章 核仿射投影算法70

3.1 仿射投影算法70

3.2 核仿射投影算法74

3.2.1 KAPA-1（简单KAPA）74

3.2.2 KAPA-2（标准化KAPA）77

3.2.3 KAPA-3（泄漏KAPA）77

3.2.4 KAPA-4（基于牛顿递归的泄漏KAPA）78

3.3 误差重用79

3.4 滑动窗口Gram矩阵逆80

3.5 相关算法之间的关系80

3.5.1 KLMS算法80

3.5.2 NORMA算法81

3.5.3 核ADA LINE算法81

3.5.4 滑动窗核递归最小二乘算法82

3.5.5 正则化网络82

3.6 计算机实验83

3.6.1 KAPA应用于M-G时间序列预测83

3.6.2 KAPA应用于消除噪声85

3.6.3 KAPA应用于非线性信道均衡89

3.7 结论92

注释94

第4章 核递归最小二乘算法97

4.1 递归最小二乘算法97

4.1.1 正则化和初始化100

4.2 指数加权递归最小二乘算法101

4.3 核递归最小二乘算法102

4.4 近似线性相关106

4.5 指数加权核递归最小二乘算法108

4.6 高斯过程线性回归110

4.7 高斯过程非线性回归113

4.8 贝叶斯模型选择117

4.9 计算机实验119

4.9.1 KRLS应用于Mackey-Glass时间序列预测119

4.9.2 最大边际似然进行模型选择121

4.10 结论125

注释126

第5章 扩展核递归最小二乘算法130

5.1 扩展递归最小二乘算法131

5.2 指数加权扩展递归最小二乘算法134

5.3 扩展核递归最小二乘算法135

5.4 扩展核递归最小二乘算法用于跟踪模型138

5.5 有限秩假设的扩展核递归最小二乘算法144

5.6 计算机实验149

5.6.1 EX-KRLS应用于瑞利信道跟踪149

5.6.2 EX-KRLS在洛伦兹时间序列预测中的应用154

5.7 结论158

注释159

第6章 稀疏核自适应滤波器设计160

6.1 惊奇测度SC定义160

6.2 高斯过程回归复习162

6.3 计算惊奇测度SC164

6.3.1 输入分布165

6.3.2 未知的期望信号165

6.3.3 新奇概率166

6.4 使用惊奇准则的核递归最小二乘算法167

6.5 使用惊奇准则的核最小均方算法168

6.6 使用惊奇准则的核仿射投影算法169

6.7 计算机实验171

6.7.1 惊奇准则应用于非线性回归171

6.7.2 惊奇准则应用于MG时间序列预测175

6.7.3 SC准则应用于CO2浓度预测177

6.8 结论181

注释182

附录A 数学背景183

A.1 奇异值分解183

A.1.1 伪逆184

A.1.2 最小范数解184

A.2 正定矩阵184

A.3 特征值分解185

A.4 Schur补186

A.5 块矩阵求逆187

A.6 矩阵求逆引理188

A.7 联合概率、边缘概率和条件概率188

A.8 正态分布189

A.9 梯度下降法189

A.10 牛顿法190

附录B 近似线性相关与系统稳定性192

参考文献198

后记212

热门推荐