آشنایی مقدماتی با فیلتر تطبیقی با استفاده از متلب ۲۰۱۷
Adaptive Filtering Primer with MATLAB 2017

از آنجا که فیلترهای تطبیقی کاربرد گسترده‌ای در پردازش سیگنال دیجیتال دارند و تقریبا تمامی دستگاه‌های الکترونیکی مدرن از نوعی فیلتر تطبیقی استفاده می‌کنند، وجود متنی که مبانی این حوزه را به روشنی بیان کند، ضروری به نظر می‌رسید. مطالب و اصولی که در این کتاب ارائه شده، برای مهندسان، دانشمندان و دانشجویانی که علاقه‌مند به یادگیری مبانی این حوزه هستند و دارای پیش‌زمینه‌ای در سطح کارشناسی می‌باشند، به آسانی قابل درک است.

کتاب “آشنایی با فیلترهای تطبیقی به همراه MATLAB®‎” مبانی فیلترهای تطبیقی را به همراه مثال‌های متعدد و شبیه‌سازی‌های کامپیوتری به وضوح شرح می‌دهد. نویسندگان، به معرفی پردازش سیگنال در زمان گسسته، متغیرهای تصادفی و فرآیندهای تصادفی، فیلتر وینر، ویژگی‌های سطح خطا، روش گرادیان کاهشی و الگوریتم کمترین میانگین مربعات (LMS) می‌پردازند. همچنین، توابع و m-file های متعددی از MATLAB®‎ به همراه آزمایش‌های کامپیوتری ارائه می‌کنند تا نحوه اعمال مفاهیم به مسائل دنیای واقعی را نشان دهند. این کتاب شامل تمرین‌هایی به همراه راهنمایی‌ها، پیشنهادات و راه حل‌هایی برای حل آن‌ها است. یک پیوست در مورد محاسبات ماتریسی، پوشش خودآموز این کتاب را تکمیل می‌کند.

کتاب “آشنایی با فیلترهای تطبیقی به همراه MATLAB®‎” با کاربردهایی در زمینه‌های گوناگون از جمله رادار، مخابرات، کنترل، ابزار دقیق پزشکی و لرزه‌شناسی، یک همراه ایده‌آل برای مراجعه سریع و یک مقدمه مختصر و کامل به این حوزه است.

Because of the wide use of adaptive filtering in digital signal processing and, because most of the modern electronic devices include some type of an adaptive filter, a text that brings forth the fundamentals of this field was necessary. The material and the principles presented in this book are easily accessible to engineers, scientists, and students who would like to learn the fundamentals of this field and have a background at the bachelor level.

Adaptive Filtering Primer with MATLAB® clearly explains the fundamentals of adaptive filtering supported by numerous examples and computer simulations. The authors introduce discrete-time signal processing, random variables and stochastic processes, the Wiener filter, properties of the error surface, the steepest descent method, and the least mean square (LMS) algorithm. They also supply many MATLAB® functions and m-files along with computer experiments to illustrate how to apply the concepts to real-world problems. The book includes problems along with hints, suggestions, and solutions for solving them. An appendix on matrix computations completes the self-contained coverage.

With applications across a wide range of areas, including radar, communications, control, medical instrumentation, and seismology, Adaptive Filtering Primer with MATLAB® is an ideal companion for quick reference and a perfect, concise introduction to the field.