下载文档原格式
名词解析发色团(chromophoric groups)：分子结构中含有π电子的基团称为发色团，它们能产生π→π*和n→π*跃迁从而你呢个在紫外可见光范围内吸收。
助色团(auxochrome)：含有非成键n电子的杂原子饱和基团本身不吸收辐射，但当它们与生色团或饱和烃相连时能使该生色团的吸收峰向长波长移动并增强其强度的基团，如羟基、胺基和卤素等。
红移(red shift)：由于化合物结构发生改变，如发生共轭作用引入助色团及溶剂改变等，使吸收峰向长波方向移动。
蓝移(blue shift)：化合物结构改变时，或受溶剂的影响使吸收峰向短波方向移动。
增色效应(hyperchromic effect)：使吸收强度增加的作用。
减色效应(hypochromic effect)：使吸收强度减弱的作用。
吸收带：跃迁类型相同的吸收峰。
指纹区（fingerprint region）：红外光谱上的低频区通常称指纹区。
当分子结构稍有不同时，该区的吸收就有细微的差异，并显示出分子特征，反映化合物结构上的细微结构差异。
这种情况就像人的指纹一样，因此称为指纹区。
指纹区对于指认结构类似的化合物很有帮助，而且可以作为化合物存在某种基团的旁证。
但该区中各种官能团的特征频率不具有鲜明的特征性。
共轭效应(conjugated effect)：又称离域效应，是指由于共轭π键的形成而引起分子性质的改变的效应。
诱导效应（Inductive Effects）：一些极性共价键，随着取代基电负性不同，电子云密度发生变化，引起键的振动谱带位移，称为诱导效应。
核磁共振：原子核的磁共振现象，只有当把原子核置于外加磁场中并满足一定外在条件时才能产生。
化学位移：将待测氢核共振峰所在位置与某基准物氢核共振峰所在位置进行比较，其相对距离称为化学位移。
弛豫:通过无辐射的释放能量的途径核由高能态向低能态的过程。
分子离子：有机质谱分析中，化合物分子失去一个电子形成的离子。
用LMS 算法实现对自适应谱线增强器的仿真自适应谱线增强器最早是由Widrow 等人于1975年在研究自适应噪声相消时提出来的，目的是将正弦波与宽带噪声分离开来，并提取正弦波信号。
相反，如果正弦波信号是希望抑制的噪声或干扰（如在医学生物仪器中，50Hz 的交流电称为市电干扰），实现这一任务的自适应滤波器则称为陷波器。
现在，自适应谱线增强器和陷波器已广泛应用于瞬时频率估计、谱分析、窄带检测、语音编码、窄带干扰抑制、干扰检测、数字式数据接收机的自适应载体恢复。
此次作业要求用LMS 算法实现自适应谱线增强器的仿真。
LMS 格型自适应滤波算法：初始化：)()()(00n x n g n f ==；20)()(n x n P =；)(1n k 接近于1，如998.01=k 。
步骤1 计算前、后向残差)1()()()(11-+=--n g n k n f n f m m m m)1()()()(11-+=--*n g n f n k n g m m m m步骤2 求中间系数)1()()0()1()(1111-+-=*----n g n f n C n C m m m m ω ])1()1()()[0()1()(212111--++-=----k g k f n D n D m m m m ββω步骤3 计算反射系数)()()(11n D n C n k m m m ---=自适应谱线增强器与陷波器的基本原理：1. 谱线增强器与陷波器的传递函数 考虑下面的观测函数信号)()sin()()()(1n v n A n v n s n x i i pi i ++=+=∑=θω (1)式中i i i A θω,,分别是第i 个正弦波信号的幅值，频率和初始相位；)(n v 为加性的宽带噪声，可以是有色的。
现在，希望设计一个滤波器，让)(n x 通过该滤波器后，输出中只含有p 个正弦波信号)(n s ,而没有其他任何信号或噪声。
自适应信号处理技术的应用张瑞;杨铁军【摘要】自适应信号处理技术在雷达、通信、声纳、图像处理、计算机视觉、地震勘探、生物医学、振动工程等领域有着极其重要的应用.目前这门新学科仍在继续向纵深方向迅速发展,特别是盲自适应信号处理和利用神经网络进行的非线性自适应信号处理.对于实现智能信息处理系统有很好的应用前景.介绍了自适应信号处理技术在滤波、系统辨识、自适应均衡、回波抵消、谱估计、谱线增强、自适应波束形成等方面的应用,并介绍了其发展前景.【期刊名称】《现代电子技术》【年(卷),期】2006(029)017【总页数】3页(P7-8,11)【关键词】自适应信号处理;滤波;系统;神经网络【作者】张瑞;杨铁军【作者单位】河南工业大学,信息科学与工程学院,河南,郑州,450052;河南工业大学,信息科学与工程学院,河南,郑州,450052【正文语种】中文【中图分类】TN911.7自适应数字系统具有很强的自学习、自跟踪能力，算法简单且易实现，在噪化信号的检测增强，噪声干扰的抵消，通信系统的自适应均衡以及未知系统的自适应参数辨识等方面获得了广泛的应用。
同时，自适应技术又是智能信息处理的重要基础。
1 自适应信号处理技术的应用1.1 自适应滤波器用于滤波与逆滤波自适应数字滤波器有2个输入端，如图1所示。
图1 自适应滤波器用作滤波和逆滤波信号输入端常称为主输入端，所期望的响应d(n)输入端称之为参考输入端。
y(n)就是自适应滤波器的输出端，误差e(n)引出一个误差输入端。
主信号s(n)经过传输系统频率特性和噪声干扰的影响，信号x(n)将和主信号s(n)不同，但他蕴含着主信号，利用自适应滤波器可从信号x(n)中提取原来的主信号s(n)，而噪声干扰被滤波器抑制了。
当滤波器输出y(n)逼近于参考输入d(n)=s(n)时，自适应滤波器的最佳权矢量w0可由式:H(z)·w0=1得到，即:w0=H-1(z)这表明自适应滤波器的最佳滤波响应是传输系统转移函数的倒数(即逆函数)，这时自适应滤波器对主输入信号x(n)进行逆滤波，使其复原主信号。
谱估计与自适应信号处理教程课程设计课程目标本课程旨在帮助学生掌握谱估计和自适应信号处理的基本概念、方法和技术，培养学生解决实际问题的能力，提高学生的创新能力和实践能力。
教学内容本课程主要包括以下内容：1.信号与系统基础知识和数学工具回顾2.信号的频率分析方法以及功率谱估计3.信号的线性预测方法以及自相关函数和互相关函数的关系4.信号的自适应滤波方法及其应用，包括LMS算法、NLMS算法和RLS算法等5.自适应信号处理的实际应用，如信道均衡、降噪、自适应波束形成等教学方法本课程采用网络课堂和实验教学相结合的教学模式。
具体来说，包括以下教学方法：1.视频教学：通过在线视频课程教学，讲解课程中的基本概念、方法和技术，引导学生学习相关知识。
2.课堂讨论：网络课堂互动环节，引导学生思考相关问题，促进学生之间的交流和互动。
3.实验操作：学生可以通过在线虚拟实验平台进行实验操作，巩固所学知识，提高实践能力。
实验设计为了更好地帮助学生掌握所学知识，本课程设计了以下实验项目：1. 信号功率谱估计实验实验目的：学生通过本实验可以了解信号频谱、对信号的具体频段进行能量分析，并对其统计量进行分析，掌握信号功率谱估计方法以及工具的使用方法。
实验步骤：1.选择一个测试信号，用MATLAB或Python等相关工具进行功率谱估计。
2.记录测试过程中所用方法的实现步骤和计算结果；3.比较所使用方法的优缺点，并分析其适用范围和应用场景。
2. 自适应滤波器实验实验目的：学生通过本实验了解自适应滤波器的算法原理，掌握自适应滤波器的设计和实现方法，并学会用自适应滤波器实现信号的降噪和信道均衡等功能。
实验步骤：1.针对给定的信号，设计自适应滤波器结构，利用LMS算法、NLMS算法和RLS算法实现自适应滤波器。
2.比较所使用方法的性能和优缺点，并分析其适用范围和应用场景。
3.应用自适应滤波器实现信道均衡和降噪等功能，对比其效果和优缺点。
考核方式本课程的考核方式包括课堂表现、实验报告和期末论文。
