1．求下列R 的特征值设
(1)??
??
?
?????=4202630341R (2)??
?
???-=2)3/exp(6)3/exp(632ππj j R
解：(1)令λ为R 的特征值，则 (2)令λ为R 的特征值： 0)d e t (=-I R λ 0)d e t (=-I R λ
即：
042
2630
34=---λ
λ
λ
即：
02)
3/exp(6)3/exp(63=---λ
ππλ
j j
于是R 1的三个特征值分别为： 于是R 2 的两个特征值为： 1451454321－＝，＋＝，λλλ= 5,021==λλ
2．证明任何两个实数的单输入自适应线性组合器的特征向量矩阵均为：
???
???-=111121Q
证明：由已知条件知相关矩阵为R ：
??
?
???=a b b a R 则R 的特征值为：b a b a -=+=21,λλ
当b a +=1λ时，?
??
???--=-b b b b I R λ，则特征向量为：]1,1[11q x = 当b a -=2λ时，??
?
???=-b b b b I R λ，则特征向量为：]1,1[22-=q x
则特征向量为：
??
????-=
111121Q 3．如图3.1所示，若自适应系统的输入和期待响应分别为： (1))6/2cos(],6/)1(2sin[),6/2sin(10k d k x k x k k k πππ=-== (2)6/)]5.1(2[]6/)2(2[]6)1(2[1)6/2(04,,2--+-=+==k j k k j k j k k j k e d e e x e x ππππ
试计算最佳权向量和最小均方误差输出，并说明在两种情况下的自适应系统有什么不同？
解：(1)由题中条件知：
5.0][2
0=k x E 5.0][2
1=k x E
[]
25.010=*
k k x x E
[]00=k k x d E 4/3][1-=k k x d E 于是输入相关矩阵为：
??????=5.025.025.05.0R ??????-=4/30P 则最优权为：?
?
????-==*-1547.15774.01P R W opt 最小均方误差为：3889.0][2
min -=-=opt T k W P d E ζ (2)由题中已知条件知：
4][2
0=k x E 6/26/22
12][ππj j k e e x E -++=
6/308][πj k k
e x d E =*
6/6/144][ππj j k k e e x d E -*+= 6/46/21022][ππj j k k e e x x E --*+= 6/46
/21122][ππj j k k e e
x x E +=* 于是输入相关矩阵为：
??????++++=---6/26/26/46
/26/46/2222224ππππππj j j j j j e e e e e e R ??
????+=-6/6/6
/3448πππj j j e e e P
R 的逆不存在， 则最优权为：
???
?
????-=j c c W o p t 3234 最小均方误差为：0][2
min =-=opt T k W P d E ζ
区别：(1)中输入为实数信号，得到的权值也实数权，(2)中输入为复数信号，
权值为复数权
4．设信号的相关矩阵和噪声的相关矩阵分别为：
??
?
?
??-=2)3/e xp (6)3/e xp (63
ππj j R s
及I R n 05.0=，试计算MSN 性能测度的最佳权向量解和输出最大信噪比。 解：由已知条件知：系统输出的信噪比SNR 为瑞利商形式，可表示为
W
W W
R W S N R H s H 20=
最大信噪比输出时系统的权向量应为信号相关矩阵R s 的最大特征值对应的特征向量，而
0]d e t [=-I R s λ
即：
02)
3/e x p (6)3/e x p (63=---λ
ππλj j
5,021==λλ 当01=λ时，得到的特征向量为：]2
61[3
/00πj e c q --
= 当52=λ时，得到的特征向量为：]3
61
[3
/11πj e c q = 自适应最大信噪比时输出时的权向量为： ]3
61[3/1πμμj M S N e q W '== 最大输出信噪比为：
100361361361266336120
3/3/3/3/3/3/max =???
????
??????
?
??
??
?
???
???????????
?=-ππππππj j j j j j e e e e
e e SNR
5．设某一实单变量性能表面由下式给出：
1144.02++=ωωξ
试问收敛参数在什么样的范围内取值可得到一条过阻尼权调整曲线。 解：由性能函数)(ωξ对权值ω的二阶导数可以得到：
λω
ζ
28.02
2==d d 其中λ为系统输入的功率
当121<-=μλγ时迭代过程收敛，且当18.010<-<μ即25.10<<μ时为过阻尼状态。 6．已知：
??????=2112R ，?
?
?
???=78P 试用式(4.16)和式(4.37)分别写出最陡下降法与牛顿权调整公式的显式，并由此解释互耦的概念
解：对于最陡下降法，由公式)(1k k k W W -?+=+μ得
???
???-????????????----=??????++782412241,1,01,11,0μμμμμk k k k w w w w 对于牛顿法，由k k k R W W ?-=-+11μ得
?
?????+??
????-=??????++232)21(,1,01,11,0μμk k k k w w w w 对于最陡下降法，权系数的第一分量迭代过程不仅与第一分量有关系还与第二分量有关系，是耦合的。而牛顿法只与本分量有关，是去耦合的。 7．一个复权自适应系统其性能表面由下式给出： 23)Re(2052
+-=ωωξ
求最小均方误差opt ωξ,min 与λ的值，若让权围绕5.05.1j +=ω以扰动量为0.1=δ 进行扰动，求性能损失β和扰动P 。 解：由单复权的性能表面为： 2m i n )(opt ωωλξξ-+=
对比已知条件知：5=λ，3min =ξ 2=o p t ω 由公式知：52==λδβ 3
5m i n ==
ξβP 8．在某种情况下，自适应线性组合器的输出误差服从均值为零、方差为3的正态分布。如果均方误差是基于误差的10个样本进行估值的，试求估值的方差。 解：由已知条件可知：10,3,02===n m σ
得到： 6.3)(4)/1(/21)~v a r (22222
2222=+=?++=N m N m m σξσσξ 估值的方差为3.6
9．给定题7的条件，假设在每个扰动后权的设定点上基于5个误差的观察值来估计梯度的实部和虚部分量，若复误差输出k ε是零均值正态分布的，求梯度估值的方差。
解：对于复权系统的梯度估值;
[]
)()()()(41~
v a r 2
2222
δξδξδξδξδ
ξ++-++++=????????a a b a v v v v E N v 又j w w v opt 5.05.0+-=-= 即5.0,5.0=-=b a v v 且 0.1=δ 5=N
则梯度估计的方差为：656.2~var =??
?
?????v ξ
10．若D 为一对角矩阵，则
∑∞
=--=0
1)(n n
D I D
成立的条件是什么？当D 不是对角矩阵时结果正确？如果是正确的，条件是什么？
解：当D 为对角矩阵时，式子成立的条件是：对角线元素收敛，即0lim =∞
>-n
ii
n d
当D 不是对角矩阵时，式子成立的条件是D 为收敛矩阵，即1 11．对于一个单实权的自适应系统，设自适应增益常数01.0=μ，输入信号的均 方值为2，试问权调整和学习曲线的时间常数各为多少？ (a)最陡下降法 (b)牛顿法 解：(a)权调整常数为：2504 .01 21== = μλ τ 学习曲线的时间常数5.122 == τ τmse (b)权调整常数为:5002 .0121=== μτ 学习曲线的时间常数252 == τ τmse 12．对题9给出的条件，设μ取它最大稳定值的一半，且N =10个误差观测值， 求超量均方误差及自适应时间常数mse T 。 (1)用最速下降法 (2)用牛顿法 解：令权值为T w w W ][10 = 则由[]2 2k T T d E P W RW W +-=ε与已知条件可知： ??????=2112R ?? ? ???=87P []422 =k d E 则：[]T opt P R W 321==*- []42 m i n =-=o p t T k W P d E ξ R 的特征值为：3,110==λλ得2min 2 5.0δξδλ==av P 对最速下降法：μ为最大稳定值得一半5.0=μ 6/1/1m a x =λ 05.0) 1()1( =+=L N T av av mse μλ 2min 252)1(4)1(δξ=+=av mse T P L excMSE 对牛顿法：5.0=μ 4021)1(2)1(2=+=+=μτN L N L T mse 40 1 1= mse T 2 min 2152 )1(4)1(δ λξ=+=av mse PT L excMSE 13．设有两个实权得自适应线性组合器，输入x 有[] 32 =k x E ，[]21=-k k x x E 每次 选迭代用80次误差观测，扰动05.0=P ，自适应增益常数01.0=μ，求两种情况下得失调。 (1)最速下降法 (2)牛顿法 解：由已知条件知：? ?? ???=3223R 对R 进行特征值分解得：5,110==λλ 对于最速下降法： 4875.12 *80)51(*5.0*01.0)1()1( -=+=+=e L N T av av mse μλ 失调为 0037.0)1(4)1(2=+=av mse T P L M 对于牛顿法： 1600001 .01*80*221)1(2)1(2==+=+=μτN L N L T mse 失调： 0019.0)5/11(*5.0*)51(*5.0*16000*05.0*42)/1(4)1(2 2=++=+≈av av mse PT L M λλ 14．给定图6.6系统辨识结构，试用式(6.36)给出自适应递归滤波器LMS 算法。 解：算法 []T k k k k b b a W 210= []T k k k k y y x U 21 --= []21v v d i a g M μ = k T k k U W y = ∑=-+=2 1 ,00l l k lk k k b x αα ∑=--+=21 ,111l l k lk k k b y ββ ∑=--+=2 1 ,222l l k lk k k b y ββ T k k k k k k y d ])[(2?210ββα--=? k k k M W W ?-=+?1 15．设05.0=μ，005.01=v 及0025.02=v ，用第五章题4表示的[]k r 作输入序列，对图6.6运行IIR LMS 算法，并绘出k ε对k ，a 0k 、b 0k 对k 的变化曲线； 解： 迭代次数k 误差e 迭代1000次的学习曲线 权系数b1 权系数b 2 16．对于二阶自适应递归滤波器，证明：)(21b b 必须处于图6.7所示的三角形区域之内才能保证滤波器稳定，即三角形相应于Z 平面上的单位圆。 证明：对于二阶滤波器，传输函数的分母为：22111)(1--+-=-z b z b z B 要使滤波器稳定，必须保证方程012211=+---z b z b 极点陡分布在单位圆内。 当04221≥-b b 时 242 211b b b z -±= 由1 2 )4(2211j b b b z --±= 由1 b1 17． 对于如图所示逆模拟情况，设对所有k i ≠，均有s i 和s k 相互独立，且 1)0(=ss φ。同时设n k 与s k 为相互独立的白噪声，且p nn =)0(φ。导出以下功率谱 的表达式：)(z xx Φ，)(z dd Φ与)(z dx Φ。 题17图 解：)()(k p s n x k k k ?+= 2 2)()1()())0()0(()(z P p z P z nn ss xx +=+=Φφφ 2 )(?-=Φz z dd )()()0()(z P z z P z z ss dx ??==Φφ 18．对上题情况，由公式(7.9)开始，到达最佳逆模拟器)(z H opt 的表达式。 解：最佳逆滤波器的传输函数： ) ()1()()1()()()()(2z P p z z P p z P z z z z H xx xd opt +=+=ΦΦ=? -*?- 19．对于图示模拟情况，求它的最小均方误差和最佳权值。 解：由已知条件知:1 6.012 )(--= z z P 又由图可知 k k s d = k k s z P x )(= k k k k s z z w w x w y 11106.01) (2---+= = k k k k s z z w w y d )6.01) (21(1 110---+-=-=ε 当06.01) (211 110=-+- --z z w w 时，得最优权：3.0,5.010-==w w 最小均方误差：0min =ε 绪论单元测试 1 【单选题】(2分) 确定性信号和随机信号的区别是什么？ A. 能否用计算机处理 B. 能否用有限个参量进行唯一描述 2 【单选题】(3分) 如何由连续时间信号获得离散时间信号？ A. 在信号幅度上进行量化 B. 在时域上对连续时间信号进行采样 第一章测试 1 【单选题】(2分) 以下那个说法是正确的？ A. 在对连续时间信号进行采样得到离散时间信号的过程中，只要实现了等间隔采样，采样间隔T怎样选择都不会影响采样后离散时间信号的频谱特征。 B. 在对连续时间信号进行采样得到离散时间信号的过程中，采样间隔T的选择非常关键，如果选择不当，采样后的离散时间信号将存在频域混叠失真现象。 2 【单选题】(2分) A. B. C. D. 3 【判断题】(2分) A. 错 B. 对 4 【单选题】(2分) 下面哪段语句不会报错？ A. x=ones(1,5); n h=0:2; h=(nh+1).*ones(1,3); n=0:6; y=conv(x,h); stem(n,y); B. x=[123]; h=ones(1,5); n=0:7; y=conv(x,h); stem(n,y); C. x=ones(1,4); n h=0:2; h=(nh+1)*ones(1,3); n=0:5; y=conv(x,h); stem(n,y); 5 【单选题】(2分) A. B. C. D. 6 【单选题】(2分) 请问以下哪个说法是正确的？ A. 连续时间正弦信号采样后不一定为周期序列。 B. 连续时间正弦信号采样后一定为周期序列。 7 【单选题】(2分) A. B. C. 数字信号处理 实验报告 班级： 学号： 姓名：word文档可自由复制编辑 实验1离散时间信号的产生与运算 一、实验目的 (1)了解离散时间信号的特点。 (2)掌握在计算机中生成及绘制各种常用离散时间信号序列的方法。 (3)掌握序列的加、减、乘、除和平移、反转、尺度变换等基本运算及计算机的 实现方法。 二、实验原理 信号是随时间变化的物理量，而计算机只能处理离散信号。离散信号是在某些不连续的时间上有信号值，而在其它时间点上没有定义的一类信号。离散信号一般可以由连续信号通过模数转换得到。 常用的离散信号有单位脉冲序列、单位阶跃序列、复指数序列、正弦信号序列、随机序列等。 离散信号的基本运算包括信号的加、减、乘、除。离散信号的时域变换包括信号的平移、反转、尺度变换等。 三、实验内容与方法 1、编写程序，生成如下数字信号：sqrt(2*k)u(k错误！未找到引用源。3)， δ(k+5)。 (1) f(k)=sqrt(2*k)u(k错误！未找到引用源。3) 代码： k=(1:10); n=3; u=[(k-n)>=0]; a=sqrt(2*k); stem(k,a.*u); title('sqrt(2*k)u(k 3)的图像'); xlabel('时间(k)');ylabel('幅值f(k)'); 运行图： word文档可自由复制编辑 (2) f(k)= δ(k+5) 代码： k1=-10;k2=0;k=k1:k2; n=-5; %单位脉冲出现的位置 f=[(k-n)==0]; stem(k,f,'filled');title('δ(k+5)序列的图像') xlabel('时间(k)');ylabel('幅值f(k)'); 运行图： word文档可自由复制编辑 1-1画出下列序列的示意图 (1) (2) (3) (1) (2) (3) 1-2已知序列x(n)的图形如图1.41，试画出下列序列的示意图。 图1.41信号x(n)的波形 (1)(2) (3) (4) (5)(6) (修正：n=4处的值为0，不是3）（修正：应该再向右移4个采样点）1-3判断下列序列是否满足周期性，若满足求其基本周期 (1) 解：非周期序列; (2) 解：为周期序列，基本周期N=5; (3) 解：，，取 为周期序列，基本周期。 (4) 解： 其中，为常数 ，取，，取 则为周期序列，基本周期N=40。 1-4判断下列系统是否为线性的？是否为移不变的？ (1)非线性移不变系统 (2) 非线性移变系统（修正：线性移变系统） (3) 非线性移不变系统 (4) 线性移不变系统 (5) 线性移不变系统（修正：线性移变系统）1-5判断下列系统是否为因果的？是否为稳定的？ (1) ，其中因果非稳定系统 (2) 非因果稳定系统 (3) 非因果稳定系统 (4) 非因果非稳定系统 (5) 因果稳定系统 1-6已知线性移不变系统的输入为x(n)，系统的单位脉冲响应为h(n)，试求系统的输出y(n)及其示意图 (1) (2) (3) 解：（1） （2） （3） 1-7若采样信号m(t)的采样频率fs=1500Hz，下列信号经m(t)采样后哪些信号不失真？ (1) (2) (3) 解： (1)采样不失真 (2)采样不失真 (3) ，采样失真 1-8已知,采样信号的采样周期为。 (1) 的截止模拟角频率是多少？ (2)将进行A/D采样后，的数字角频率与的模拟角频率的关系如何？ (3)若，求的数字截止角频率。 解： (1) (2) (3) 1波束宽度与波达方向及阵元数的关系 clc clear all close all ima=sqrt(-1); element_num1=16; %阵元数 element_num2=128; element_num3=1024; lamda=0.03; %波长为0.03米 d=1/2*lamda; %阵元间距与波长的关系 theta=0:0.5:90; for j=1:length(theta); fai(j)=theta(j)*pi/180-asin(sin(theta(j)*pi/180)-lamda/(element_num1*d)); psi(j)=theta(j)*pi/180-asin(sin(theta(j)*pi/180)-lamda/(element_num2*d)); beta(j)=theta(j)*pi/180-asin(sin(theta(j)*pi/180)-lamda/(element_num3*d)); end figure; plot(theta,fai,'r',theta,psi,'b',theta,beta,'g'),grid on xlabel('theta'); ylabel('Width in radians') title('波束宽度与波达方向及阵元数的关系') 仿真图如下： 3. 当阵元间距 时，会出现栅瓣，导致空间模糊。仿真图如下： 4. 类似于时域滤波，天线方向图是最优权的傅立叶变换 仿真程序和仿真图如下： clc clear all close all ima=sqrt(-1); element_num=32; %阵元数 source_num=1; %信源数 d_lamda=1/2; %阵元间距与波长的关系 theta=linspace(-pi/2,pi/2,200); theta0=0; %来波方向 w=exp(ima*2*pi*d_lamda*sin(theta0)*[0:element_num-1]'); for j=1:length(theta); a=exp(ima*2*pi*d_lamda*sin(theta(j))*[0:element_num-1]'); p(j)=w'*a; end figure; subplot(1,2,1) plot(theta,abs(p)),grid on xlabel('theta/radian') ylabel('amplitude') /2d λ > 《数字信号处理》课程教学大纲 一、课程编号：1100020 二、课程名称：数字信号处理 ( 64学时) Digital Signal Processing 三、课程教学目的 数字信号处理是现代信息处理和传输的基础课程之一，已经成为信号和信息处理、通信和电子、计算机科学和技术等专业的学生需要学习和掌握的基本知识。 本课程以离散时间信号与系统作为对象，在介绍经典理论的基础上，适当引入了现代信号处理的理论与方法以及Matlab仿真分析软件。通过本课程的学习，使得学生能够掌握确定性离散时间信号的频谱分析原理及快速实现方法，数字滤波器的设计及实现方法。使学生能够利用计算机技术来进行数字信号的处理，并根据实际需要分析、设计数字滤波系统。 本课程是进一步学习数字通信、图像处理、随机数字信号处理、无线通信、多媒体通信等专业课程的先修课程。 四、课程教学基本要求 1．掌握离散时间信号和系统的基本标识方法 2．掌握离散时间系统的基本特性、Z变换以及离散时间信号的傅立叶变换（DTFT） 3．掌握离散傅立叶变换（DFT）以及离散傅立叶变换的快速算法（FFT） 4．掌握数字滤波器的设计方法和结构 5．了解多速率信号处理的基本内容 五、教学内容及学时分配（含实验） 理论教学（56学时） 1．绪论2学时数字信号处理的特点、实现和应用 Matlab简介 2．离散时间系统的基本特性及流图10学时抽样与重建 离散系统及其普遍关系 信号流图及Mason公式 离散时间信号的傅立叶变换 Z变换及Z反变换（留数法） Z变换与拉普拉斯、傅立叶变换的关系 离散系统的频域分析 3．离散傅立叶变换及其快速实现14学时DFS的定义及性质 DFT的定义、性质及应用 基2时间抽选法FFT 基2频率抽选法FFT 基4时间抽选法FFT IDFT的快速算法 FFT应用（线性卷积的快速计算、CZT变换） 4．IIR数字滤波器的设计和实现12学时滤波器概述 模拟滤波器的设计 模拟滤波器的数字仿真 冲激响应不变法和双线性变换法的设计 IIR滤波器的频率变换设计 IIR数字滤波器的计算机辅助设计 IIR 滤波器的实现结构 5．FIR数字滤波器的设计10学时线性相位FIR滤波器的条件和特性概述 窗函数法 频率取样法 FIR数字滤波器的优化设计 FIR数字滤波器的实现结构 6．多速率信号的处理基础8学时抽取和内插的时域和变换域描述 抽取滤波器和内插滤波器 多相分解 正交镜像滤波器组 双通道滤波器组 实验教学（8学时） 第2章 离散时间信号的表示及运算 2.1 实验目的 ● 学会运用MATLAB 表示的常用离散时间信号； ● 学会运用MATLAB 实现离散时间信号的基本运算。 2.2 实验原理及实例分析 2.2.1 离散时间信号在MATLAB 中的表示 离散时间信号是指在离散时刻才有定义的信号，简称离散信号，或者序列。离散序列通常用)(n x 来表示，自变量必须是整数。 离散时间信号的波形绘制在MATLAB 中一般用stem 函数。stem 函数的基本用法和plot 函数一样，它绘制的波形图的每个样本点上有一个小圆圈，默认是空心的。如果要实心，需使用参数“fill”、“filled”，或者参数“.”。由于MA TLAB 中矩阵元素的个数有限，所以MA TLAB 只能表示一定时间范围内有限长度的序列；而对于无限序列，也只能在一定时间范围内表示出来。类似于连续时间信号，离散时间信号也有一些典型的离散时间信号。 1. 单位取样序列 单位取样序列)(n δ，也称为单位冲激序列，定义为 ) 0()0(0 1)(≠=?? ?=n n n δ （12-1） 要注意，单位冲激序列不是单位冲激函数的简单离散抽样，它在n =0处是取确定的值1。在MATLAB 中，冲激序列可以通过编写以下的impDT .m 文件来实现，即 function y=impDT(n) y=(n==0); %当参数为0时冲激为1,否则为0 调用该函数时n 必须为整数或整数向量。 【实例2-1】 利用MATLAB 的impDT 函数绘出单位冲激序列的波形图。 解：MATLAB 源程序为 >>n=-3:3; >>x=impDT(n); >>stem(n,x,'fill'),xlabel('n'),grid on >>title('单位冲激序列') >>axis([-3 3 -0.1 1.1]) 离散时间信号及系统的DTFT 离散时间信号及系统的z变换 DFT的表达式 连续时间信号机系统的Fourier变换 时域-系统的因果性及稳定性P21、P32、P48 z域-系统的因果性及稳定性P110 抽样时间信号的频域表示P142 抽样离散信号与原连续信号的时域关系P150 连续信号、采样时间信号与离散信号的频谱关系P157 DTFT的对称性质P56 DTFT的理论及性质P59 DTFT变换对P62 DTFT与原连续信号的频谱关系P147 离散Fourier级数DFS性质P550 DFT性质P576 线性循环卷积P576 重叠保留法、相加法P582 窗函数效应P698 时间依赖Fourier变换P714 Decimation in Time P640、P645 Decimation in Frequency P649、P651 z-Transform变换对P104 z-Transform性质P126 LTI的典型单位冲激响应P31 LTI的特征函数及特征根P40、P46 全通系统P274 最小相位系统P280 线性相位系统P291 线性相位系统与最小相位系统的关系P308 FIR滤波器窗函数P469 FIR滤波器最佳逼近P486 降采样频谱P168、P170 升采样频谱P172、P174 随机信号理论Appendix-A 随机信号的自协方差及自相关序列的时域频域性质P65 平稳随机信号的Fourier分析P723 AD噪声分析P193 数字滤波器中的舍入误差噪声P391 有限字长效应P370 系数量化误差P377 FFT有限寄存器长效应P661 极限循环P415 一. 填空题 1、一线性时不变系统，输入为x（n）时，输出为y（n）；则输入为2x（n）时，输出为2y(n) ；输入为x（n-3）时，输出为y(n-3) 。 2、从奈奎斯特采样定理得出，要使实信号采样后能够不失真还原，采样频率fs与信号最高频率f max关系为：fs>=2f max。 3、已知一个长度为N的序列x(n)，它的离散时间傅立叶变换为X（e jw），它的N点离散傅立叶变换X（K）是关于X（e jw）的N 点等间隔采样。 4、有限长序列x(n)的8点DFT为X（K），则X（K）= 。 5、用脉冲响应不变法进行IIR数字滤波器的设计，它的主要缺点是频谱的交叠所产生的现象。 6．若数字滤波器的单位脉冲响应h（n）是奇对称的，长度为N，则它的对称中心是(N-1)/2 。 7、用窗函数法设计FIR数字滤波器时，加矩形窗比加三角窗时，所设计出的滤波器的过渡带比较窄，阻带衰减比较小。 8、无限长单位冲激响应（IIR）滤波器的结构上有反馈环路，因此是递归型结构。 9、若正弦序列x(n)=sin(30nπ/120)是周期的,则周期是N= 8 。 10、用窗函数法设计FIR数字滤波器时，过渡带的宽度不但与窗的类型有关，还与窗的采样点数有关 11．DFT与DFS有密切关系，因为有限长序列可以看成周期序列的主值区间截断，而周期序列可以看成有限长序列的周期延拓。 12．对长度为N的序列x(n)圆周移位m位得到的序列用x m (n)表示，其数学表达式为 x m (n)= x((n-m)) N R N (n)。 13．对按时间抽取的基2-FFT流图进行转置，并将输入变输出，输出变输入即可得到按频率抽取的基2-FFT流图。 14.线性移不变系统的性质有交换率、结合率和分配律。 15.用DFT近似分析模拟信号的频谱时，可能出现的问题有混叠失真、泄漏、栅栏效应和频率分辨率。 填空： 1.假设连续随机变量的概率分布函数为F（ x）则 F（ -∞） =0, F（ +∞） =1 2.随机过程可以看成是样本函数的集合，也可以看成是随机变量的集合 3.如果随机过程 X(t)满足任意维概率密度不随时间起点的变化而变化,则称 X(t)为严平稳随机过程，如果随机过程 X(t)满足均值为常数，自相关函数只与时间差相关则称 X(t)为广义平稳随机过程 4.如果一零均值随机过程的功率谱，在整个频率轴上为一常数，则称该随机过程为白噪声 ,该过程的任意两个不同时刻的状态是不相关 5. 宽带随机过程通过窄带线性系统，其输出近似服从正态分布 ,窄带正态噪声的包络服从瑞利分布 ,而相位服从均匀分布 6.分析平稳随机信号通过线性系统的两种常用的方法是冲激响应法，频谱法 7.若实平稳随机过程相关函数为Rx（τ） =25+4/ （1+6τ），则其均值为 5 或 -5,方差为 4 7.匹配滤波器是输出信噪比最大作为准则的最佳线性滤波器。 1.广义各态历经过称的信号一定是广义平稳随机信号，反之，广义平稳的随机信号不一定是广义各态历经的随机信号 2.具有高斯分布的噪声称为高斯噪声 ,具有均匀分布的噪声叫均匀噪声 ,而如果一个随机过程的概率谱密度是常数，则称它为白噪声 3.白噪声通过都是带宽的线性系统，输出过程为高斯过程 4.平稳高斯过程与确定的信号之和是高斯过程，确定的信号可以认为是该过程的数学期望 5.平稳正态随机过程的任意概率密度只由均值和协方差阵确定 1.白噪声是指功率谱密度在整个频域内均匀分布的噪声。 3.对于严格平稳的随机过程，它的均值与方差是与时间无关的函数，即自相关函数与时间间隔有关，与时间起点无关。 4.冲激响应满足分析线性输出，其均值为_____________________ 。 5.偶函数的希尔伯特变换是奇函数。 6.窄带随机过程的互相关函数公式为P138。 1.按照时间和状态是连续还是离散的，随机过程可分为四类，这四类是连续时间随机过程， 离散型随机过程、随机序列、离散随机序列。 2.如果平稳随机过程均值和相关函数具有遍历性 ,则称该随机过程为各态历经过称。 3.如果均匀分布白的噪声通过线性系统，输出服从正态分布分布。 4.正态随机过程的任意 n 维分布，只有由一、二阶矩确定。 5.窄带正态随机过程的相位服从均匀分布，幅度服从瑞利分布。 6.随机过程相关时间反应了随机过程变化的快慢程度，相关时间越长，过程的取值变化越 慢 ,随机过程相关时间反应了随机过程变化的快慢程度，相关时间越短，过程的取值变化越快 , 7.平稳随机过程信号通过线性系统分析，输入，输出过程的自相关函数可表示为 ，输出与输入过程中功率谱之间的关系可表示为。 8.平稳随机过程信号通过非线性系统分析常用的方法是直接法和变换法与级数展开法。 9.典型的独立增量过程有泊松过程与维纳过程。 10.对于无偏估计而言均方误差总是大于等于某个量，这个量称为克拉美-罗(Cramer-Rao)下 自适应信号处理-唐正必马长芳科学出版社 赵春晖哈尔滨工程大学出版社 本书全面系统地阐述了自适应信号处理的理论及其应用，包括确定性信号与随机过程(平稳与非平稳信号)滤波检测理论，不用训练序列的本身自适应的盲信号处理理论，从一维到多维、线性到非线性、经典自适应到神经智能自适应等近代信号处理。它将信息论、时间序列分析、系统辨识、谱 估计理论、高阶谱理论、优化理论、进化计算，以及神经网络理论等学科知识综合而成一体。 本书共十章，内容有自适应滤波基本原理、自适应LMS滤波器、自适应RLS滤波器、自适应格型滤波器、自适应递归滤波器、自适应谱线增强与谱估计、自适应噪声干扰抵消器、自适应均衡器、自适应阵列处理与波束形成，以及自适应神经信息处理。对于盲信号处理的理论与方法，将分散在最后三章中论述。 本书取材新颖，内容丰富;叙述深入浅出，系统性强，概念清楚。它总结了自适应信号处理的最新成果，其中包括作者在该领域内所取得的科研成果，是一部理论联系实际的专业理论专著。可作为信息与通信、雷达、声纳、自动控制、生物医学工程等专业的研究生的教材或主要参考书，也可供广大科研人员阅读。 第1章绪论 1.1 自适应滤波的基本概念 1.2 自适应信号处理的发展过程 1.3 自适应信号处理的应用 第2章维纳滤波 2.1 问题的提出 2.2 离散形式维纳滤波器的解 2.3 离散形式维纳滤波器的性质 2.4 横向滤波器的维纳解 第3章最小均方自适应算法 3.1 最陡下降法 3.2 牛顿法 3.3 LMS算法 3.4 LMS牛顿算法 第4章改进型最小均方自适应算法 4.1 归一化LMS算法 4.2 块LMS算法 4.3 快速块LMS算法 第5章最小均方误差线性预测及自适应格型算法 5.1 最小均方误差线性预测 5.2 Lev ins on-Durbi n算法 5.3 格型滤波器 5.4 最小均方误差自适应格型算法 第6章线性最小二乘滤波 6.1 问题的提出 6.2 线性最小二乘滤波的正则方程 6.3 线性最小二乘滤波的性能 6.4 线性最小二乘滤波的向量空间法分析 第7章最小二乘横向滤波自适应算法 7.1 递归最小二乘算法 7.2 R LS算法的收敛性 7.3 R LS算法与LMS算法的比较 数字信号处理软件实验 MATLAB 仿真 2015年12月16日 实验一：数字信号的 FFT 分析 ● 实验目的 通过本次实验，应该掌握： (a) 用傅立叶变换进行信号分析时基本参数的选择。 (b) 经过离散时间傅立叶变换（DTFT ）和有限长度离散傅立叶变换（DFT ）后信号频谱上的区别，前者 DTFT 时间域是离散信号，频率域还是连续的，而 DFT 在两个域中都是离散的。 (c) 离散傅立叶变换的基本原理、特性，以及经典的快速算法（基2时间抽选法），体会快速算法的效率。 (d) 获得一个高密度频谱和高分辨率频谱的概念和方法，建立频率分辨率和时间分辨率的概念，为将来进一步进行时频分析（例如小波）的学习和研究打下基础。 (e) 建立 DFT 从整体上可看成是由窄带相邻滤波器组成的滤波器组的概念，此概念的一个典型应用是数字音频压缩中的分析滤波器，例如 DVD AC3 和MPEG Audio 。 ● 实验内容及要求 ? 离散信号的频谱分析 设信号 此信号的0.3pi 和 0.302pi 两根谱线相距很近，谱线 0.45pi 的幅度很小，请选择合适的序列长度 N 和窗函数，用 DFT 分析其频谱，要求得到清楚的三根谱线。 ? DTMF 信号频谱分析 用计算机声卡采用一段通信系统中电话双音多频（DTMF ）拨号数字 0～9的数据，采用快速傅立叶变换（FFT ）分析这10个号码DTMF 拨号时的频谱。 00010450303024().*cos(.)sin(.)cos(.)x n n n n ππππ=+-- ●MATLAB代码及结果 ?离散信号的频谱分析 clf; close all; N=1000; n=1:1:N; x=0.001*cos(0.45*n*pi)+sin(0.3*n*pi)-cos(0.302*n*pi-pi/4); y=fft(x,N); mag=abs(y); w=2*pi/N*[0:1:N-1]; stem(w/pi,mag); axis([0.25 0.5 0 2]); xlabel('频率'); ylabel('X(k)'); grid on; 自适应信号处理课后题答案 1．求下列R 的特征值设 (1)?? ?? ? ?????=4202630341R (2)?? ? ???-=2)3/exp(6)3/exp(632ππj j R 解：(1)令λ为R 的特征值，则 (2)令λ为R 的特征值： 0)d e t (=-I R λ 0)d e t (=-I R λ 即： 042 2630 34=---λ λ λ 即： 02) 3/exp(6)3/exp(63=---λ ππλ j j 于是R 1的三个特征值分别为： 于是R 2 的两个特征值为： 1451454321－＝，＋＝，λλλ= 5,021==λλ 2．证明任何两个实数的单输入自适应线性组合器的特征向量矩阵均为： ?? ????-= 111121Q 证明：由已知条件知相关矩阵为R ： ? ? ? ???=a b b a R 则R 的特征值为：b a b a -=+=21,λλ 当b a +=1λ时，??? ???--=-b b b b I R λ，则特征向量为：]1,1[11q x = 当b a -=2λ时，? ? ? ???=-b b b b I R λ，则特征向量为：]1,1[22-=q x 则特征向量为： ?? ? ???-=111121Q 3．如图3.1所示，若自适应系统的输入和期待响应分别为： (1))6/2cos(],6/)1(2sin[),6/2sin(10k d k x k x k k k πππ=-== (2)6/)]5.1(2[]6/)2(2[]6)1(2[1)6/2(04,,2--+-=+==k j k k j k j k k j k e d e e x e x ππππ 试计算最佳权向量和最小均方误差输出，并说明在两种情况下的自适应系统有什么不同？ 解：(1)由题中条件知： 5.0][2 0=k x E 5.0][2 1=k x E [] 25.010=* k k x x E []00=k k x d E 4/3][1-=k k x d E 于是输入相关矩阵为： ??????=5.025.025.05.0R ? ?????-=4/30P 则最优权为：?? ? ???-==* -1547.15774.01 P R W opt 最小均方误差为：3889.0][2 min -=-=opt T k W P d E ζ (2)由题中已知条件知： 4][2 0=k x E 6/26/22 12][ππj j k e e x E -++= 6/308][πj k k e x d E =* 6/6/144][ππj j k k e e x d E -*+= 6/46/21022][ππj j k k e e x x E --*+= 6/46 /21122][ππj j k k e e x x E +=* 于是输入相关矩阵为： ??????++++=---6/26/26/46 /26/46/2222224ππππππj j j j j j e e e e e e R ?? ????+=-6/6 /6 /3448πππj j j e e e P R 的逆不存在， 则最优权为： ??? ? ????-=j c c W o p t 3234 最小均方误差为：0][2 min =-=opt T k W P d E ζ 4-4设有限时间积分器的单位冲激响应 h(t)=U(t)－U(t －0.5) 它的输入是功率谱密度为 210V Hz 的白噪声，试求系统输出的总平均功率、交流平均功率和输入输出互相关函数 ()() ()()() 2 222 1:()2[()][()]0Y Y Y Y XY X P E Y t G d D Y t E Y t m E Y R R R h ωω πτττ∞ -∞??==????=-==??=*?思路 ()()()10()() 10()10[()(0.5)] ()()10[()(0.5)] XY X YX XY R R h h h U U R R U U τττδτττττττττ=*=*==--=-=----解：输入输出互相关函数 000 2 0.0 25 ()0()10()10()0()()()()10(()00[()(0.)() 10()()()10()()10101100.55 [()5)]](0)X X X Y X Y X Y Y X t m G R m m h d R U R h h h h h h d R h h d d d E Y t R U ωτττττττττλτλδτλλλ λλλλ μ∞ ∞ ∞∞ ==?====**-=*-=+=+=-=-=?=?==????? 时域法 平均功是白噪声，，， 率面积法 ： 22 5 [()][()]5 Y Y D Y t E Y t m ==-=P 交流：平均功率 ()h t 白噪声 () Y R τ ()()()2 14 12 24 2 22Y 2 (P1313711()2415()()()102 42411 5112522242j j j Y X Y U t U t Sa e H e Sa G G H e Sa Sa G d Sa S d a d ωτωωωτ ττωωωωωωωωωωωπ π ωωπ - --∞ ∞ ∞ -∞ ∞--∞??--?? ??? ?? -???= ? ?? ???? === ? ? ???? ?? = = =??= ? ? ?? ??? ??P 矩形脉冲A 的频谱等于A 信号与线性系统书式域法 ） 频()()22 20000 [()][()][()]5 Y X Y Y m m H H D Y t E Y t m E Y t =?=??=-===P 交直流分量为平均功率：流 自适应信号处理 自适应信号处理是信号与信息处理领域的重要分支和组成部分，自20世纪五六十年代出现以来，自适应信号处理的理论和技术受到了学术界和许多应用领域的普遍重视。它的研究的内容是以信号与信息自适应处理为主线，包括自适应滤波检测理论和自适应技术应用两大部分。 自适应滤波理论和技术是统计信号处理和非平稳随机信号处理的主要内容，它可以在无需先验知识的条件下，通过自学习适应或跟踪外部环境的非平稳随机变化，并最终逼近维纳滤波和卡尔曼滤波的最佳滤波性能。因而，自适应滤波器不但可以用来检测确定性信号，而且可以检测平稳的或非平稳的随机信号。自适应技术应用包括自适应谱线增强与谱估计方法、自适应噪声干扰抵消技术、自适应均衡技术、自适应阵列处理与波束形成以及自适应神经网络信号处理等内容。 自适应信号处理技术在通信、雷达、声纳、图像处理、地震勘探、工业技术和生物医学等领域有着极其广泛的应用。其中，通信技术的许多最新进展，都与自适应信号处理密切相关，尽管新的信号处理理论和方法层出不穷，但是自适应信号处理仍然以其算法简单、易于实现和无须统计先验知识等独特的优点，成为许多理论与工程实际问题的首选解决方案之一。近年来，随着超大规模集成电路技术和计算机技术的迅速发展，出现了许多性能优异的高速信号处理专用芯片和高性能的通用计算机，为信号处理，特别是自适应滤波器的发展和应用提供了重要的物质基础。另外，信号处理理论和应用的发展，也为自适应滤波理论的进一步发展提供了必要的理论基础。 本章主要介绍目前应用较为广泛的自适应滤波理论与技术，包括维纳滤波、LMS滤波和卡尔曼滤波及其应用。 2.2 维纳滤波 从连续的(或离散的)输入数据中滤除噪声和干扰以提取有用信息的过程称为滤波，而相应的装置称为滤波器。根据滤波器的输出是否为输入的线性函数，可将它分为线性滤波器和非线性滤波器两种。滤波器研究的一个基本课题就是：如何设计和制造最佳的或最优的滤波器。所谓最佳滤波器是指能够根据某一最佳准则进行滤波的滤波器。 20世纪40年代，维纳奠定了关于最佳滤波器研究的基础。即假定线性滤波器的输入为有用信号和噪声之和，两者均为广义平稳过程且知它们的二阶统计特性，维纳根据最小均方误差准则(滤波器的输出信号与需要信号之差的均方值最小)，求得了最佳线性滤波器的参数，这种滤波器被称为维纳滤波器。在维纳研究的基础上，人们还根据最大输出信噪比准则、统计检测准则以及其他最佳准则求得的最佳线性滤波器。实际上，在一定条件下，这些最佳滤波器与维纳滤波器是等价的。因而，讨论线性滤波器时，一般均以维纳滤波器作为参考。 维纳滤波理论用于解决最小均方误差下的线性滤波问题。设接收到(或观测到)的信号为随机信号 (7-1) 其中s(t)是未知的实随机信号，n(t)是噪声。要设计的线性滤波器，其冲击响应为h(t, τ)， 输入为x(t)，输出为，即 第七章离散时间系统的时域分析 §7-1 概述 一、离散时间信号与离散时间系统 离散时间信号：只在某些离散的时间点上有值的 信号。 离散时间系统：处理离散时间信号的系统。 混合时间系统：既处理离散时间信号，又处理连 续时间信号的系统。 二、连续信号与离散信号 连续信号可以转换成离散信号，从而可以用离散时间系统（或数字信号处理系统）进行处理： 三、离散信号的表示方法： 1、 时间函数：f(k)<——f(kT)，其中k 为序号，相当于时间。 例如：)1.0sin()(k k f = 2、 （有序）数列：将离散信号的数值按顺序排列起来。例如： f(k)={1,0.5,0.25,0.125,……,} 时间函数可以表达任意长（可能是无限长）的离散信号，可以表达单边或双边信号，但是在很多情况下难于得到；数列的方法表示比较简单，直观，但是只能表示有始、有限长度的信号。 四、典型的离散时间信号 1、 单位样值函数：? ??==其它001)(k k δ 下图表示了)(n k ?δ的波形。 这个函数与连续时间信号中的冲激函数 )(t δ相似，也有着与其相似的性质。例如： )()0()()(k f k k f δδ=， )()()()(000k k k f k k k f ?=?δδ。 2、 单位阶跃函数：? ??≥=其它001)(k k ε 这个函数与连续时间信号中的阶跃函数)(t ε相似。用它可以产生（或表示）单边信号（这里称为单边序列）。 3、 单边指数序列：)(k a k ε 比较：单边连续指数信号：)()()(t e t e t a at εε=，其 底一定大于零，不会出现负数。 (a) 0.9a = (d) 0.9a =? (b) 1a = (e) 1a =? (c) 1.1a = (f) 1.1a =? 精心整理《随机信号处理》上机实验仿真报告 学院：电子工程与光电技术学院 指导老师：顾红 日期：2014年11月10日 B=543e6;%带宽（这里设置带宽为学号后三位），程序段①从这行开始 fs=10*B;%采样频率 ts=1/fs; T=10e-6;%脉宽10μs N=T/ts;%采样点数 t=linspace(-T/2,T/2,N); K=B/T; a=1;%这里调频信号幅值假设为1 %%线性调频信号 si=a*exp(j*pi*K*t.^2); figure(1) plot(t*1e6,si); xlabel('t/μs');ylabel('si');title('线性调频信号时域波形图');gridon; sfft=fft(si); f=(0:length(sfft)-1)*fs/length(sfft)-fs/2;%f=linspace(-fs/2,fs/2,N); figure(2) plot(f*1e-6,fftshift(abs(sfft))); xlabel('f/MHz');ylabel('sfft');title('线性调频信号频域波形图');gridon; axis([-300,300,-inf,inf]);%程序段①到这行结束 %%叠加高斯白噪声 disp(' %% %% n2=conv(ht,ni);%噪声 n22=abs(n2); s2=conv(ht,si);%信号 s22=abs(s2); SNRo=(max(s22)^2)/(var(n2))/2; disp('输出信噪比为：'); SNRo=10*log10(SNRo) disp('信噪比增益为：');disp(SNRo-SNRi) %%匹配滤波器的幅频特性 hw=fft(ht); 2011级数字信号处理实验报告 实验名称：实验一数字信号的产生和基本运算 1．实验要求 因为现实世界里存在的是模拟信号，因此数字信号处理的第一个问题是将信号离散化，得到一个数字信号，然后再进行数字处理。 (1) 常用数字信号序列的产生： 熟悉Matlab 产生数字信号的基本命令，加深对数字信号概念的理解，并能够用Matlab 产生和绘制出一些常用离散信号序列。请用Matlab 画出下列序列的波形（-10 院（系 ）： 专业： 年级： 学生 姓名： 学号： --- -- -- --- -- -- -- --- -- -- -- --- -- -- -- --- -- -- -- -- -- -- 密 -- -- -- -- --- -- -- -- --- -- -- -- --- -- -- - 封 --- -- -- --- -- -- -- --- -- -- -- -- -- 线 ---- -- -- -- --- -- -- -- --- -- -- -- --- -- -- -- --- -- -- -- --- -- -- -- -- 第 1 页共 3 页 ------------------------------------------------- 密 ---------------------------------- 封 ----------------------------- 线 --------------------------------------------------------- 第 2 页(共 3 页) 第 3 页(共 3 页) ------------------------------------------------- 密 ---------------------------------- 封 ----------------------------- 线 --------------------------------------------------------- 随机信号分析 第一章 1. 2. 3. 4. 5. 6. 7. 8. 设随机试验X 的分布律为 求X 的概率密度和分布函数，并给出图形。 解：()()()())0.210.520.33i i i f x p x x x x x δ δδδ=-=-+-+-∑（ ()()()())0.210.520.33i i i F x p u x x u x u x u x =-=-+-+-∑（ 9. 10. 设随机变量X 的概率密度函数为()x f x ae -=， 求:(1)系数a ；（2）其分布函数。 解：（1）由 ()1f x dx ∞ -∞ =? () ()2x x x f x dx ae dx a e dx e dx a ∞ ∞ ∞ ---∞ -∞ -∞ ==+=? ?? ? 所以12a = （2）()1()2 x x t F x f t dt e dt --∞ -∞= =? ? 所以X 的分布函数为 ()1,02 11,02 x x e x F x e x -? 求：（1）X 与Y 的联合分布函数与密度函数；（2）X 与Y 的边缘分布律；（3）Z XY =的分布律；（4）X 与Y 的相关系数。 解：（1） ()() ()()()()()() ,,0.07,10.18,0.15,10.081,10.321,0.201,1ij i j i j F x y p u x x y y u x y u x y u x y u x y u x y u x y =--=+++-+-++-+--∑∑ ()() ()()()()()(),,0.07,10.18,0.15,10.081,10.321,0.201,1ij i j i j f x y p x x y y x y x y x y x y x y x y δδδδδδδ=--=+++-+-++-+--∑∑ （2）X 的分布律为（i ij j P P ?=∑） ()()00.070.180.150.4010.080.320.200.60P X P X ==++===++= Y 的分布律为 ()()()10.070.080.1500.180.320.5010.150.200.35 P Y P Y P Y =-=+===+===+= （3）Z XY =的分布律为 1.自适应滤波如何运用到系统辨识？ 自适应滤波理论和技术是统计信号处理和非平稳随机信号处理的主要内容, 它具有维纳滤波和卡尔曼滤波的最佳滤波性能, 但不需要先验知识的初始条件, 它是通过自学习来适应外部自然环境, 因而具有广泛的应用。自适应滤波器( Adaptive filter) 是自设计的,由于其依靠递归算法进行运算, 因此可在有关信号特征的完整知识不能得到的环境下, 圆满的完成滤波运算。由于稳定性问题和IIR 局部最优,所以, 自适应滤波器大多用FIR 来实现。在自适应滤波器应用中一个重要问题是使可调节滤波器参数最优的标准, 以及利用这种标准形成实际上可行的算法。最小均方( LMS, leastmean-square) 算法是现今应用最为广泛的一种线性自适应算法, 它不需要有关的相关函数和矩阵求逆运算, 是一种极为简单的算法. 最小均方误差(LMS，least mean square) 算法于1960年提出后, 因其具有计算量小、易于实现等优点而获得大量应用。典型的应用领域有系统辨识、信号处理和自适应控制等。LMS 算法的基本原理是基于估计梯度的最速下降法, 即沿着权值的梯度估值的负方向进行搜索,以期达到权值最优, 实现均方误差最小意义下的自适应滤波。 系统辨识是根据系统的输入输出时间函数来确定描述系统行为的数学模型，是现代控制理论中的一个分支。对系统进行分析的主要问题是根据输入时间函数和系统的特性来确定输出信号。系统辨识包括两个方面：结构辨识和参数估计。在实际的辨识过程中，随着使用的方法不同，结构辨识和参数估计这两个方面并不是截然分开的，而是可以交织在一起进行的。 2.在系统辨识中，LMS，RLS算法的形式？ 2.1 LMS 原理： 设通信系统输出信号为： y(k)=W T X(k) (1) 其中，该系统权向量为： W=[w1, w2,…, w n]T(2) 输入信号为 X(k)=[x(k), x(k-1), …,x(k-m+1)]T(3) 误差信号定义为 e(k)=d(k)-y(k)=d(k)-W T(k)X(k) (4) LMS算法的原理是用e2(k)来估计E(e2(k))，此时有 ▽(k)=-2e*(k)X(k) (5) 这样梯度法的叠代公式变为 W(k+1)=W(k)+2μe*(k)X (k) (6) 其中，*为共扼。 算法步骤： 基本的LMS算法如下： 步骤1 初始化：W(0)=0, 0<μ<1/λmax 步骤2 W(k+1)=W(k)+2μe(k)X*(k) 步骤3 判断是否收敛，如果不收敛，令k=k+1，回步骤2。 2.2 RLS 原理智慧树知道网课《数字信号处理》课后章节测试满分答案
实验1离散时间信号的产生与运算
数字信号处理答案解析
matlab在自适应信号处理方面的应用 - 副本
北京邮电大学《数字信号处理》课程教学大纲
离散时间信号的表示及运算
离散时间信号处理-知识点总结
数字信号处理试题和答案 (1)
随机信号处理考题答案.doc
自适应信号处理
2015年北邮数字信号处理软件实验报告
自适应信号处理课后题答案
随机信号分析(常建平,李林海)课后习题答案第四章习题讲解
自适应滤波及信号处理
离散时间系统的时域分析
随机信号处理作业南理工(有程序)
北邮数字信号处理实验报告(特选借鉴)
华中师范大学离散时间信号处理A卷
随机信号李晓峰版第一章习题答案
自适应信号处理作业
相关主题
文本预览