Simon Haykin所著《自适应滤波器原理(第4版)》系统全面地介绍了自适应信号处理方面的基本理论和应用技术，充分反映了该领域的最新成果。本书取材新颖、内容丰富、概念清楚、论述严密，是自适应信号处理领域一部紧跟时代的佳作。本书面向本领域的高年级本科生和研究生系统讲解自适应滤波器理论，也为相关领域的工程技术人员提供了利用该理论解决实际问题的有效方法。

Simon Haykin所著《自适应滤波器原理(第4版)》是自适应信号处理领域的一本经典教材。全书共17章，系统全面、深入浅出地讲述了自适应信号处理的基本理论与方法，充分反映了近年来该领域的新理论、新技术和新应用。内容包括：自适应LMS横向滤波器、自适应格型滤波器、自适应递归滤波器、频域和子带自适应滤波器、盲自适应滤波器、神经网络非线性自适应滤波器等及其在通信与信息系统中的应用。

《自适应滤波器原理(第4版)》取材新颖、内容丰富，适合于通信与电子信息类相关专业的高年级本科生、研究生、教师及工程技术人员阅读。

背景与预览

第1章 随机过程与模型

 1．1 离散时间随机过程的部分特性

 1．2 平均各态历经定理

 1．3 相关矩阵

 1．4 正弦波加噪声的相关矩阵

 1．5 随机模型

 1．6 Wold分解

 1．7 回归过程的渐近平稳

 1．8 尤尔一沃克方程

 1．9 计算机实验：二阶自回归过程

 1．10 选择模型的阶数

 1．11 复值高斯过程

 1．12 功率谱密度

 1．13 功率谱密度的性质

 1．14 平稳过程通过线性滤波器传输

 1．15 平稳过程的Cramer谱表示

 1．16 功率谱估计

 1．17 随机过程的其他统计特征

 1．18 多谱

 1．19 谱相关密度

 1．20 本章小结

 1．21 习题

第2章 维纳滤波器

 2．1 线性最优滤波：问题综述

 2．2 正交性原理

 2．3 最小均方误差

 2．4 维纳-霍夫方程

 2．5 误差性能曲面

 2．6 多重线性回归模型

 2．7 示例

 2．8 线性约束最小方差滤波器

 2．9 广义旁瓣消除器

 2．10 本章小结

 2．11 习题

第3章 线性预测

 3．1 前向线性预测

 3．2 后向线性预测

 3．3 列文森-杜宾算法

 3．4 预测误差滤波器的性质

 3．5 舒尔-科恩测试

 3．6 平稳随机过程的自回归建模

 3．7 Cholesky分解

 3．8 格型预测器

 3．9 全极点、全通格型滤波器

 3．10 联合过程估计

 3．11 语音预测建模

 3．12 本章小结

 3．13 习题

第4章 最速下降算法

 4．1 最速下降算法的基本思想

 4．2 最速下降算法应用于维纳滤波器

 4．3 最速下降算法的稳定性

 4．4 示例

 4．5 作为确定性搜索法的最速下降算法

 4．6 最速下降算法的优点与局限性

 4．7 本章小结

 4．8 习题

第5章 最小均方自适应滤波器

 5．1 最小均方算法的结构与运算概述

 5．2 最小均方自适应算法^

 5．3 应用示例

 5．4 统计LMS理论

 5．5 LMS算法与最速下降算法的比较

 5．6 自适应预测的计算机实验

 5．7 自适应均衡的计算机实验

 5．8 最小方差无失真响应波束形成器的计算机实验

 5．9 非白噪声输人时LMS算法收敛的方向性

 5．10 LMS滤波器的鲁棒性：H2准则

 5．11 不同情况下步长参数的上界

 5．12 确定性输人时的转移函数方法

 5．13 本章小结

 5．14 习题

第6章 归一化最小均方自适应滤波器

 6．1 归一化LMS滤波器作为约束最优化问题的解

 6．2 归一化IAIS滤波器的稳定性

 6．3 回声消除中的步长控制

 6．4 实数据时收敛过程的几何考虑

 6．5 仿射投影滤波器

 6．6 本章小结

 6．7 习题

第7章 频域和子带自适应滤波器

 7．1 块自适应滤波器

 7．2 快速块LMS算法

 7．3 无约束频域自适应滤波器

 7．4 自正交化自适应滤波器

 7．5 自适应均衡的计算机实验

 7．6 子带自适应滤波器

 7．7 自适应滤波算法的分类

 7．8 本章小结

 7．9 习题

第8章 最小二乘法

 8．1 线性最小二乘估计问题

 8．2 数据开窗

 8．3 正交性原理的进一步讨论

 8．4 误差的最小平方和

 8．5 正则方程和线性最小二乘滤波器

 8．6 时间平均相关矩阵

 8．7 根据数据矩阵构建正则方程

 8．8 最小二乘估计的特性

 8．9 MVDR的谱估计

 8．10 MVDR波束形成的正则化

 8．11 奇异值分解

 8．12 伪逆

 8．13 奇异值和奇异向量的解释

 8．14 线性最小二乘问题的最小范数解

 8．15 归一化最小均方算法看做欠定最小二乘小范数解

 8．16 本章小结

 8．17 习题

第9章 递归最小二乘自适应滤波器

 9．1 预备知识

 9．2 矩阵求逆引理

 9．3 指数加权递归最小二乘算法

 9．4 正则化参数的选择

 9．5 误差平方加权和的更新递归

 9．6 示例：单个权值自适应噪声消除器

 9．7 RLS算法的收敛性分析

 9．8 自适应均衡的计算机实验

 9．9 RLS滤波器的鲁棒性

 9．10 本章小结

 9．11 习题

第10章 卡尔曼滤波器

 10．1 标量随机变量的递归最小均方估计

 10．2 卡尔曼滤波问题

 10．3 新息过程

 10．4 应用新息过程进行状态估计

 10．5 滤波

 10．6 初始条件

 10．7 卡尔曼滤波器总结

 10．8 卡尔曼滤波器作为RLS滤波器的统一基础

 10．9 卡尔曼滤波器变形

 10．10 广义卡尔曼滤波器

 10．11 本章小结

 10．12 习题

第11章 平方根自适应滤波器

 11．1 平方根卡尔曼滤波器

 11．2 在卡尔曼滤波器基础上构建平方根自适应滤波器

 11．3 QR-RLS算法

 11．4 自适应波束形成

 11．5 逆QR-RLS算法

 11．6 本章小结

 11．7 习题

第12章 阶递归自适应滤波器

 12．1 梯度自适应格型滤波器

 12．2 采用最小二乘估计的阶递归自适应滤波器：概述

 12．3 自适应前向线性预测：

 12．4 自适应后向线性预测

 12．5 变换因子

 12．6 最小二乘格型预测器

 12．7 角度归一化估计误差

 12．8 格型滤波的一阶状态空间模型

 12．9 基于QR分解的最小二乘格型滤波器

 12．10 QRD-LSL滤波器基本特性

 12．11 自适应均衡的计算机试验

 12．12 采用后验估计误差的递归最小二乘格型滤波器

 12．13 采用带误差反馈先验估计误差的递归LSL滤波器

 12．14 递归LSL滤波器和RLS滤波器的关系

 12．15 本章小结

 12．16 习题

第13章 有限精度效应

 13．1 量化误差

 13．2 最小均方算法

 13．3 递归最小二乘算法

 13．4 平方根自适应滤波器

 13．5 阶递归自适应滤波器

 13．6 快速横向滤波器

 13．7 本章小结

 13．8 习题

第14章 时变系统的跟踪

 14．1 系统辨识用马尔可夫模型

 14．2 非平稳度

 14．3 跟踪性能评价准则

 14．4 LMS算法的跟踪性能

 14．5 RLS算法的跟踪性能

 14．6 LMS算法和RLS算法的跟踪性能比较

 14．7 如何改进RLS算法的跟踪性能

 14．8 系统辨识的计算机实验

 14．9 自适应常数的自动调节

 14．10 本章小结

 14．11 习题

第15章 无限脉冲响应自适应滤波器

 15．1 ⅡR自适应滤波器：输出误差法

 15．2 ⅡR自适应滤波器：方程误差法

 15．3 某些实际考虑

 15．4 Laguerre横向滤波器

 15．5 自适应Laguerre格型滤波器

 15．6 本章小结

 15．7 习题

第16章 盲反卷积

 16．1 盲反卷积问题概述

 16．2 利用循环平稳统计量的信道辨识

 16．3 分数间隔盲辨识用子空间分解

 16．4 Bussgang盲均衡算法

 16．5 将Bussgang算法推广到复基带信道

 16．6 Bussgang算法的特例

 16．7 分数间隔Bussgang均衡器

 16．8 本章小结

 16．9 习题

第17章 反向传播学习

 17．1 S形神经元模型

 17．2 多层感知器

 17．3 复反向传播算法

 17．4 万能逼近定理

 17．5 网络复杂性

 17．6 瞬态处理：如何考虑“时间”

 17．7 反向传播学习的优点和局限性

 17．8 本章小结

 17．9 习题

后记

附录A 复变量

附录B 对向量微分

附录C 拉格朗日乘子法

附录D 估计理论

附录E 特征分析

附录F 旋转和映射

附录G 复数Wishart分布

术语

参考文献