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