Vor Ort
Merkzettel Warenkorb
Produktbild: Adaptive Filter

Adaptive Filter Eine Einführung in die Theorie mit Aufgaben und MATLAB-Simulationen auf CD-ROM

54,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

27.09.2000

Abbildungen

X, mit 150 Abbildungen 23,5 cm

Verlag

Springer Berlin

Seitenzahl

246

Maße (L/B/H)

23,8/15,4/2 cm

Gewicht

403 g

Auflage

2000

Sprache

Deutsch

ISBN

978-3-540-67651-5

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

27.09.2000

Abbildungen

X, mit 150 Abbildungen 23,5 cm

Verlag

Springer Berlin

Seitenzahl

246

Maße (L/B/H)

23,8/15,4/2 cm

Gewicht

403 g

Auflage

2000

Sprache

Deutsch

ISBN

978-3-540-67651-5

Herstelleradresse

Springer Nature Customer Service Center GmbH
Europaplatz 3
69115 Heidelberg
DE
ProductSafety@springernature.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben: Einfach Barcode scannen, Versandetikett ausdrucken, Bücher verschicken und Thalia Geschenkkarte erhalten.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

Weitere Artikel finden Sie in
  • Produktbild: Adaptive Filter
  • 1 Einführung.- 1.1 Einleitung.- 1.1.1 Aufgaben adaptiver Filter.- 1.1.2 Inhaltsübersicht.- 1.2 Klassifizierung von typischen Anwendungen adaptiver Filter.- 1.2.1 Systemidentifikation.- 1.2.2 Inverse Modellierung.- 1.2.3 Lineare Prädiktion.- 1.2.4 Elimination von Störungen.- 1.3 Beispiele adaptiver Filter.- 1.3.1 Adaptive Störgeräuschunterdrückung.- 1.3.2 Entfernung der Netzstörung bei einem klinischen Diagnostikgerät.- 1.3.3 LPC-Analyse von Sprachsignalen.- 1.3.4 Adaptive Differentielle 'Pulse-Code-Modulation' (ADPCM).- 1.3.5 Egalisation bei drahtloser Multipfad-Übertragung.- 1.3.6 Adaptive Entzerrung bei der Datenübertragung über 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 Stationarität und Ergodizität.- 1.4.4 Unabhängigkeit, Unkorreliertheit und Orthogonalität.- 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°.- 2.3.4 Orthogonalitätsprinzip: 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-Loève-Transformation.- 3 Gradienten-Suchalgorithmen für 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 µ.- 3.2.4 Die Konvergenzzeit.- 3.2.5 Die Lernkurve.- 3.2.6 Gradientenvektor, LMS-approximierter Gradientenvektor und Gradientenrauschvektor.- 3.2.7 Der Überschussfehler 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-Schätzproblem.- 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 Lösungen 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.