1、“.....就对平稳随机信号建立了维纳滤波理论，根据有用信号和干扰噪声的统计特性自相关函数或功率谱，以线性最小均方误差估计准则所设计的最佳滤波器，称为维纳滤波器。这种滤波器能最大程度地消除干扰噪声，提取有用信号，但是......”。

2、“.....则它就不再是最佳的了，这在实际应用中受到了限制。到了年代，由于空间技术的发展，出现了卡尔曼滤波理论，即利用状态变量模型对非平稳多输入输出随机序列作最优估计。现在，卡尔曼滤波器已成功地应用到许多领域，它既可以对平稳和非平稳的随机信号作线性最佳滤波，也可以作非线性滤波，实质上，维纳滤波器也是卡尔曼滤波器的个特例。然而，再设计卡尔曼滤波器的时候，必须知道产生输入过程的系统的状态方程和测量方程，即要对信号和噪声的统计特性有先验知识。但是在实际中，往往难以预知这些统计特性，因此实现不了真正的最佳滤波。等于年提出的自适应滤以达到最优的自适应迭代算法。算法是种梯度最速下降方法，其显著的特点是它的简单性。这算法不需要计算相应的相关函数，也不需要进行矩阵运算。自适应滤波器最普通的应用就是横向结构......”。

3、“.....内容如下毕业设计论文题目频域自适应滤波算法及应用应完成的项目学习并深刻理解自适应滤波器的基本原理了解通信中自适应滤波器的几种典型应用回波抵消信道均衡系统辨识噪声消除了解语音信号或者图像信号的基本特点掌握并设计种自适应信号处理的频率域滤波算法熟悉软件并编程实现完成篇相关学术论文并争取投稿发表参考资料以及说明通信中的自适应信号处理邱天爽魏东兴等编，电子工业出版社自适应滤波算法与实现英著，刘郁林等译，电子工业出版社信号处理中自适应理论谢胜利何昭水高鹰著，科学出版社数字信号处理教程释义与实现陈怀琛著，电子工业出版社本毕业设计论文任务书于年月日发出，应于年月日前完成，然后提交毕业考试委员会进行答辩。专业教研组系研究所负责人审核年月日指导教师签发年月日毕业设计论文评语自适应滤波算法是近年来研究发展的个热点内容，特别是在现代电脑技术和通信技术的不断发展......”。

4、“.....自适应滤波在信道均衡回波抵消谱线增强噪声抑制雷达杂波抵消相参检测系统辨识系统建模及生物医学电子等方面有着极其广泛的应用，所以研究自适应滤波算法具有极大的意义。而频域自适应滤波相对时域自适应滤波来说又具有速度快收敛性能好易于分块处理等优点，更具研究意义。作者从熟悉自适应滤波基本原理入手，收集阅读了定的相关文献资料，较详细地分析描述和归纳了自适应滤波技术的特性。然后作者在简单介绍各种自适应滤波算法的基础上，详细地介绍了当前最为广泛和简便的最小均方误差自适应算法算法，还研究了改算法的各种参数的影响。最后还对算，法进行了实际例子的仿真，对仿真结果进行了详细的分析，说明了自适应滤波算法既有良好的效果和易于实现。论文略显不足的是没有重点突出几种算法的频域形式。该论文数据资料的收集比较详细，基本符合本科毕业设计要求，该生在论文答辩过程中讲述清晰，语速适中，回答问题正确......”。

5、“.....建议授予学士学位。毕业设计论文总评成绩毕业设计论文答辩负责人签字年月日摘要摘要自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之。寻求收敛速度快，计算复杂性低，数值稳定性好的自适应滤波算法是研究人员不断努力追求的目标。本文简单的介绍了自适应滤波算法的发展历史，和未来的发展前景。在论述自适应滤波基本原理的基础上，简单介绍了目前几种典型的自适应滤波算法，对时域和频域滤波的特点和区别稍作分析。重点对自适应滤波算法的推理过程和参数进行了比较深入的理论分析。算法是最简单应用最为广泛的自适应算法之。算法通过自适应调节滤波器参数，使得残余回波或平方误差的期望值达到最小。自适应滤波算法是信号处理的重要基础，近年来发展速度很快，在各个领域取得了广泛的应用。介绍了几种自适应滤波器的典型应用回波抵消信道均衡系统辨识和噪声消除。最后还简单介绍了软件的功能特点......”。

6、“.....验证出自适应滤波的明显效果。关键词自适应滤波，算法，自适应噪声消除，华南理工大学学士学位论文分解后，抽取引起部分信号的浪费，采用可以利用那些被浪费的信号成分，通过增加单位时间内对权值的更新次数，获得更快的收敛速度。基于分解的自适应滤波算法基于分解的递推最小二乘自适应滤波算法首先采用旋转变换把加权输入信号矩阵变换为上三角矩阵，然后再利用回代求解三角矩阵方程，计算自适应滤波器权系数向量。分解类自适应滤波算法有以下种算法算法算法。基于分解的自适应滤波算法对输入信号矩阵直接进行更新，因此在有限精度运算条件下，具有良好的数值稳定性。各种分解的快速自适应滤波算法可以直接计算估计误差，并不需要更新权系数向量。而基于逆分解的递推最小三乘自适应滤波算法可以直接更新权系数向量，并且避免了复杂的回代运算。本章小结本章对各种类型的自适应滤波算法进行了简单的总结分析......”。

7、“.....无论平稳随机过程是连续的还是离散的，是标量的还是向量的，都可应用。但是同样要求得到半无限时间区间内的全部观察数据的条件很难满足，同时它也不能用于噪声为非平稳的随机过程的情况，对于向量情况应用也不方便。卡尔曼滤波算法的应用相当广泛，它既可以对平稳和非平稳的随机信号作线性最佳滤波，也可以作非线性滤波。变换域类算法也是通过作些正交变换使输入信号自相关矩阵的特征值发散程度变小，提高收敛速度。信号的子带分解能降低输入信号的自相关矩阵的特征值发散程度，从而加快自适应滤波算法的收敛速度，同时便于并行处理，带来了定的灵活性。基于矩阵的分解的自适应滤波算法具有良好的数值稳定性。而仿射投影算法的性能介于算法和算法之间。共轭梯度自适应滤波算法的提出是为了降低类算法的复杂性和克服些快速算法存在的数值稳定性问题......”。

8、“.....在设计时不需要预先知道关于输入信号和噪声的统计特性，它能够在工作过程中逐步了解或估计出所需的统计特，为抽头输入向量元素，其中是延迟单元的个数这些输入张成个多维空间。响应地，抽头权值„为抽头权值的元素。通过算法计算这个向量所得的值表示个估计，当迭代第三章自适应算法熟趋近无穷时，该估计的期望值可能接近维纳解。对于广义平稳过程在滤波过程中，期望响应与抽头输入向量道参与处理。在这种情况下，给定个输入，横向滤波器产生个输出作为期望响应的估计。因此，我们可把估计误差定义为期望响应与实际滤波器输出之差，如图所示。估计误差与抽头输入向量都被加到自适应控制部分，因此围绕抽头权值的反馈环市闭环的。图表示自适应权值控制机制的详细结构。特别地，首先对„„求估计误差，与抽头输入的内积。所以结果定义了校正量，它将在第次迭代中应用于。用在计算中所用的标度因子用正数表示，称为步长参数......”。

9、“.....而体现了最速下降算法的特点。换句话说，图的所有路径都移走了个期望算子。因此，算法中每个抽头权值的迭代计算都不可避免地受到梯度噪声的影响。我们假设抽头输入向量的期望响应都取自联合广义平稳过程。特别地，期望相应与输入向量之间的线性关系是通过回归模型建立起来的，改模型参数向量未知，从而需要自适应滤波。在这个环境下，由于最速下降算法根据确定性轨迹沿着误差性能曲面计算抽头权向量，最后终止于维纳解。另外方面，由于梯度噪声的存在，算法的表现将有所不同它不是终止于维纳解，由算法得到的抽头权向量，围绕误差性能曲面极小点随机移动。后面我们将看到，当较小时这种运动是布朗运动的种形式。最小均方自适应算法就是种以期望响应和滤波输出信号之间误差的均方值最小为准的，依据输入信号在迭代过程中估计梯度矢量，并更新权系数性，并以此为依据自动调整自身的参数，以达到最佳滤波效果......”。