本书系统地介绍时域自适应信号处理的基本理论、基本算法和典型应用。从最优准则上看，本书主要涉及最小均方误差准则和最小二乘准则。从滤波器结构上看，主要介绍横向滤波器和格型滤波器。在应用方面，重点介绍自适应模拟、自适应逆模拟、自适应干扰对消和自适应预测等。 全书共11章，主要包括：绪论、维纳滤波、最小均方自适应算法、改进型最小均方自适应算法、最小均方误差线性预测及自适应格型算法、线性最小二乘滤波、最小二乘横向滤波自适应算法、最小二乘格型自适应算法、非线性滤波及其自适应算法、自适应信号处理的应用、盲自适应信号处理理论及应用。 本书可作为高等院校的通信、电子信息工程及其他相关专业的高年级本科生和研究生的教材，也可作为从事信号与信息处理领域研究的工程技术人员的参考书。

王立国，男，1974年生，哈尔滨工业大学工学博士。2006-2021年任职哈尔滨工程大学，三级教授、博士生导师。现为大连民族大学教授(特聘二级)，国家民委领军人才。中国遥感应用协会高光谱遥感技术与应用专业委员会委员，第四届全国成像光谱学术研讨会执行主席。发表学术论文近三百篇(SCI一百二十余篇)，授权发明专利40余项(国际专利5项)，出版专著3部。主持国家自然科学基金4项、省部级项目若干；参研863重点项目、国家自然科学基金项目、省自然科学基金重点项目若干。获得黑龙江省科技奖励(自然科学类)二等奖2项(分别排名第1、第2)，黑龙江省科技奖励(自然科学类)三等奖1项(排名第1)，黑龙江省高校科学技术奖(自然科学类)一等奖2项、二等奖1项。获黑龙江省三育人先进个人称号。所培养研究生1人入选国家青年人才支持计划，2人获黑龙江省优秀硕士学位论文，2人获哈尔滨工程大学优秀博士学位论文。

目 录
第1章 绪论1
1.1 自适应滤波的基本概念1
1.2 自适应信号处理的发展过程2
1.3 自适应信号处理的应用3
第2章 维纳滤波5
2.1 问题的提出5
2.2 离散形式维纳滤波器的解5
2.3 离散形式维纳滤波器的性质7
2.3.1 正交原理的几何解释7
2.3.2 正交原理推论7
2.3.3 最小均方误差7
2.4 横向滤波器的维纳解8
2.4.1 横向滤波器的维纳-霍夫方程及其解8
2.4.2 横向滤波器的误差性能9
第3章 最小均方自适应算法15
3.1 最陡下降算法15
3.1.1 最陡下降算法的基本思想15
3.1.2 最小均方误差最陡下降算法15
3.2 牛顿算法21
3.2.1 牛顿算法的基本思想21
3.2.2 最小均方误差牛顿算法22
3.3 LMS算法26
3.3.1 LMS算法描述26
3.3.2 LMS算法的收敛性27
3.3.3 LMS算法的权向量噪声31
3.3.4 LMS算法的期望学习曲线33
3.3.5 LMS算法的性能35
3.4 LMS牛顿算法37
第4章 改进型最小均方自适应算法39
4.1 归一化LMS算法39
4.1.1 基于约束优化问题求解归一化LMS算法39
4.1.2 归一化LMS算法小结41
4.2 块LMS算法41
4.2.1 块自适应滤波器41
4.2.2 块LMS算法描述42
4.2.3 块LMS算法的收敛性43
4.2.4 块LMS算法块长度的选择43
4.3 快速块LMS算法44
第5章 最小均方误差线性预测及自适应格型算法46
5.1 最小均方误差线性预测46
5.1.1 前向线性预测46
5.1.2 后向线性预测48
5.1.3 前向线性预测与后向线性预测的关系50
5.2 Levinson-Durbin算法51
5.2.1 Levinson-Durbin算法的导出51
5.2.2 Levinson-Durbin算法的几点说明53
5.3 格型滤波器55
5.3.1 格型滤波器的导出55
5.3.2 格型滤波器的性质57
5.3.3 格型滤波器的结构形式58
5.4 最小均方误差自适应格型算法59
5.4.1 自适应格型块处理迭代算法59
5.4.2 自适应格型随机梯度算法61
第6章 线性最小二乘滤波64
6.1 问题的提出64
6.2 线性最小二乘滤波的正则方程65
6.2.1 正则方程的推导65
6.2.2 正则方程的矩阵形式67
6.2.3 根据数据矩阵构建的正则方程67
6.3 线性最小二乘滤波的性能69
6.3.1 正交原理的推论69
6.3.2 最小平方和误差69
6.4 线性最小二乘滤波的向量空间法分析70
6.4.1 向量空间理论70
6.4.2 线性最小二乘滤波的向量空间解释73
6.4.3 线性最小二乘数据扩充更新关系75
6.4.4 线性最小二乘时间更新77
第7章 最小二乘横向滤波自适应算法81
7.1 递归最小二乘算法81
7.1.1 RLS算法的导出81
7.1.2 RLS算法小结84
7.2 RLS算法的收敛性84
7.2.1 RLS算法的均值84
7.2.2 RLS算法的均方偏差85
7.2.3 RLS算法的期望学习曲线86
7.3 RLS算法与LMS算法的比较87
7.4 最小二乘快速横向滤波算法87
7.4.1 FTF算法中的4个横向滤波器87
7.4.2 横向滤波算子的时间更新95
7.4.3 FTF算法中的时间更新97
7.4.4 FTF算法描述104
7.4.5 FTF算法的性能106
第8章 最小二乘格型自适应算法108
8.1 最小二乘格型滤波器108
8.1.1 最小二乘前向预测误差的阶更新108
8.1.2 最小二乘后向预测误差的阶更新109
8.1.3 最小二乘格型结构110
8.2 LSL算法111
8.2.1 LSL算法导出111
8.2.2 LSL算法小结112
8.2.3 LSL算法的性能113
第9章 非线性滤波及其自适应算法115
9.1 非线性滤波概述115
9.2 Volterra级数滤波器116
9.2.1 连续的Volterra级数滤波器116
9.2.2 离散的Volterra级数滤波器117
9.3 LMS Volterra级数滤波器118
9.4 RLS Volterra级数滤波器120
9.5 形态滤波器结构元优化设计的自适应算法121
9.5.1 形态滤波器的基本理论122
9.5.2 误差准则123
9.5.3 腐蚀与膨胀的自适应算法123
9.6 自适应加权组合广义形态滤波器127
9.6.1 广义形态滤波器的基本理论127
9.6.2 广义形态滤波器加权组合自适应算法127
9.7 层叠滤波器的自适应优化算法129
9.7.1 层叠滤波器的基本理论129
9.7.2 层叠滤波器最优估计算法131
9.7.3 自适应层叠滤波器138
第10章 自适应信号处理的应用140
10.1 自适应模拟与系统辨识140
10.1.1 系统辨识基本理论140
10.1.2 Volterra模型系统辨识143
10.1.3 改进的Volterra模型系统辨识145
10.1.4 FIR滤波器综合的自适应模拟148
10.2 自适应逆模拟152
10.2.1 概述152
10.2.2 自适应信道均衡154
10.2.3 IIR滤波器的自适应综合159
10.3 自适应干扰对消163
10.3.1 自适应干扰对消的原理163
10.3.2 平稳噪声对消解164
10.3.3 用作陷波滤波器的自适应噪声对消器166
10.4 自适应预测169
10.4.1 自适应预测概述169
10.4.2 自适应预测器用于对消周期干扰169
10.4.3 自适应谱线增强器170
第11章 盲自适应信号处理理论及应用173
11.1 盲自适应均衡173
11.1.1 盲均衡的理论基础173
11.1.2 盲均衡算法分类176
11.1.3 CMA盲均衡178
11.1.4 理想盲均衡实现的条件182
11.1.5 最小二乘CMA盲均衡算法182
11.1.6 判决反馈盲均衡算法186
11.1.7 神经网络盲均衡188
11.2 盲源分离193
11.2.1 盲源分离基本原理193
11.2.2 Fast-ICA算法196
11.3 盲系统辨识算法198
11.3.1 基于自相关的AR模型的盲辨识算法198
11.3.2 基于最大峰度准则的非因果AR系统辨识算法202
附录A 矩阵和向量207
附录B 相关矩阵与时间平均自相关矩阵210
参考文献212