Overview

Dieses Lehrbuch vermittelt auf solide und verständliche Weise die Grundlagen der Theorie der adaptiven Filter, wobei nur elementares Wissen aus der Signalverarbeitung und der Linearen Algebra vorausgesetzt wird. Der Schwerpunkt liegt in der Herleitung und der Erläuterung der theoretischen Grundlagen. Aufgaben mit ausführlichen Lösungen und Simulations-Übungen (MATLAB-Code auf CD-ROM) tragen zum intuitiven Verständnis des Stoffes bei. Das Buch wendet sich an Studenten im Fachstudium der Elektrotechnik und der Informa- tik aber auch an Ingenieure, Physiker und Mathematiker.

Full Product Details

Author:   George Moschytz ,  Markus Hofbauer
Publisher:   Springer-Verlag Berlin and Heidelberg GmbH & Co. KG
Imprint:   Springer-Verlag Berlin and Heidelberg GmbH & Co. K
Edition:   2000 ed.
Dimensions:   Width: 15.50cm , Height: 1.40cm , Length: 23.50cm
Weight:   0.403kg
ISBN:  

9783540676515

ISBN 10:   3540676511
Pages:   246
Publication Date:   27 September 2000
Audience:   Professional and scholarly ,  Professional & Vocational
Format:   Paperback
Publisher's Status:   Active
Availability:   Out of stock  
The supplier is temporarily out of stock of this item. It will be ordered for you on backorder and shipped when it becomes available.
Language:   German

Table of Contents

1 Einfuhrung.- 1.1 Einleitung.- 1.1.1 Aufgaben adaptiver Filter.- 1.1.2 Inhaltsubersicht.- 1.2 Klassifizierung von typischen Anwendungen adaptiver Filter.- 1.2.1 Systemidentifikation.- 1.2.2 Inverse Modellierung.- 1.2.3 Lineare Pradiktion.- 1.2.4 Elimination von Stoerungen.- 1.3 Beispiele adaptiver Filter.- 1.3.1 Adaptive Stoergerauschunterdruckung.- 1.3.2 Entfernung der Netzstoerung bei einem klinischen Diagnostikgerat.- 1.3.3 LPC-Analyse von Sprachsignalen.- 1.3.4 Adaptive Differentielle 'Pulse-Code-Modulation' (ADPCM).- 1.3.5 Egalisation bei drahtloser Multipfad-UEbertragung.- 1.3.6 Adaptive Entzerrung bei der Datenubertragung uber die Telefonleitung.- 1.3.7 Adaptive Echokompensation.- 1.3.8 Zusammenfassung der Beispiele.- 1.4 Stochastische Prozesse.- 1.4.1 Verteilungs- und Dichtefunktionen.- 1.4.2 Erwartungswert, Korrelations- und Kovarianzfunktion.- 1.4.3 Stationaritat und Ergodizitat.- 1.4.4 Unabhangigkeit, Unkorreliertheit und Orthogonalitat.- 2 Grundlagen adaptiver Filter.- 2.1 Strukturen adaptiver Filter.- 2.2 Das FIR-basierte adaptive Filter.- 2.3 Lineare optimale Filterung.- 2.3.1 Fehlersignal e[k] und mittlerer quadratischer Fehler (MSE).- 2.3.2 Autokorrelationsmatrix R und Kreuzkorrelationsvektor p.- 2.3.3 Wiener-Filter: Minimierung der Fehlerfunktion J(w)und optimaler Gewichtsvektor w Degrees.- 2.3.4 Orthogonalitatsprinzip: Wiener-Filterung als Estimationsproblem.- 2.3.5 Weitere Eigenschaften der Fehlerfunktion J(w).- 2.3.6 Eigenschaften der Eigenwerte und Eigenvektoren der Autokorrelationsmatrix R.- 2.3.7 Geometrische Bedeutung der Eigenvektoren und Eigenwerte.- 2.4 Dekorrelation des Eingangssignals und Konditionierung.- 2.4.1 Konditionszahl.- 2.4.2 Diskrete Karhunen-Loeve-Transformation.- 3 Gradienten-Suchalgorithmen fur FIR-basierte adaptive Filter.- 3.1 Newton-, Gradienten-Verfahren und LMS-Algorithmus.- 3.1.1 Das Newton-Verfahren.- 3.1.2 Das Gradienten-Verfahren.- 3.1.3 Der LMS-Algorithmus.- 3.2 Konvergenzeigenschaften der Gradienten-Suchalgorithmen.- 3.2.1 Konvergenz des Gradienten-Verfahrens.- 3.2.2 Konvergenz des LMS-Algorithmus.- 3.2.3 Grenzen der Schrittweite .- 3.2.4 Die Konvergenzzeit.- 3.2.5 Die Lernkurve.- 3.2.6 Gradientenvektor, LMS-approximierter Gradientenvektor und Gradientenrauschvektor.- 3.2.7 Der UEberschussfehler Jex und die Fehleinstellung M beim LMS-Algorithmus.- 3.2.8 Simulation: Systemidentifikation durch den LMS-Algorithmus.- 3.3 Varianten des LMS-Algorithmus.- 3.3.1 Der normierte LMS-Algorithmus (NLMS).- 3.3.2 Der komplexe LMS-Algorithmus.- 3.3.3 Der Newton-LMS-Algorithmus.- 3.3.4 Der P-Vektor- oder Griffiths-Algorithmus.- 3.3.5 Der Vorzeichen-LMS-Algorithmus.- 4 Least-Squares-Adaptionsalgorithmen.- 4.1 Das Least-Squares-Schatzproblem.- 4.2 Der RLS-Algorithmus.- 4.2.1 Initialisierung und Rechenaufwand des RLS-Algorithmus.- 4.3 Der RLS-Algorithmus mit Vergessensfaktor.- 4.4 Analyse des RLS-Algorithmus.- 4.5 Simulation: Systemidentifikation durch den RLS-Algorithmus.- 4.6 Der `Fast'-RLS-Algorithmus.- 5 Adaptive Filter im Frequenzbereich.- 5.1 Der `Frequency-Domain'-LMS-Algorithmus (FLMS).- 5.1.1 Notation.- 5.1.2 Filterung im Frequenzbereich durch das Overlap-Save-Verfahren.- 5.1.3 Adaption des Filters im Frequenzbereich.- 5.1.4 Die Dekorrelationseigenschaft der DFT.- 5.1.5 Wahl der Parameter beim FLMS-Algorithmus, Rechenaufwand und Fehleinstellung.- 5.1.6 Simulation: Systemidentifikation durch den FLMS-Algorithmus.- 5.2 Der 'Partitioned Frequency-Domain'-LMS-Algorithmus (PFLMS).- 6 Zusammenfassung und Vergleich der Eigenschaften der Adaptionsalgorithmen.- 6.1 Grundlagen.- 6.2 Adaptionsalgorithmen.- 6.2.1 LMS-Algorithmus.- 6.2.2 RLS-Algorithmus.- 6.2.3 FLMS- und PFLMS-Algorithmus.- 6.3 Klassifikation der Adaptionsalgorithmen.- 6.4 Simulation: Vergleich der Konvergenzeigenschaften des LMS-, RLS- und FLMS-Algorithmus.- A Aufgaben und Anleitung zu den Simulationen.- A.1 Aufgaben.- A.2 Loesungen zu den Aufgaben.- A.3 Anleitung zu den Simulationen.- A.3.2 Simulationsbeschreibung.- B Die lineare und die zyklische Faltung.- C Berechnung des Gradienten von Vektor-Matrix-Gleichungen.

Reviews

Author Information

Tab Content 6

Author Website:  

Customer Reviews

Recent Reviews

No review item found!

Add your own review!

Countries Available

All regions