| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-24页 |
| ·课题的提出及其意义 | 第12-13页 |
| ·独立分量分析研究综述及其应用现状 | 第13-16页 |
| ·独立分量分析研究综述 | 第13-15页 |
| ·独立分量分析的应用现状 | 第15-16页 |
| ·变分贝叶斯的理论研究及其应用现状 | 第16-21页 |
| ·变分贝叶斯的理论研究 | 第16-20页 |
| ·变分贝叶斯的应用现状 | 第20-21页 |
| ·论文的主要内容与创新之处 | 第21-23页 |
| ·主要内容 | 第21-22页 |
| ·关键问题及创新点 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 2 变分贝叶斯混合独立分量分析理论 | 第24-43页 |
| ·概述 | 第24-25页 |
| ·变分贝叶斯独立分量分析理论 | 第25-28页 |
| ·变分贝叶斯独立分量分析模型 | 第25-27页 |
| ·变分贝叶斯独立分量分析及其先验信息 | 第27-28页 |
| ·变分贝叶斯独立分量分析算法 | 第28-34页 |
| ·vbICA1算法 | 第28-30页 |
| ·vbICA2算法 | 第30-31页 |
| ·vbICA1和vbICA2算法比较分析 | 第31-34页 |
| ·变分贝叶斯混合独立分量分析 | 第34-39页 |
| ·vbMOICA的提出及其意义 | 第34-36页 |
| ·vbMOICA理论 | 第36-38页 |
| ·变分贝叶斯ICA混合模型 | 第36-37页 |
| ·ICA源模型 | 第37-38页 |
| ·vbMOICA算法 | 第38-39页 |
| ·vbMOICA与vbICA对比分析 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 3 基于变分贝叶斯混合独立分量分析的机械故障源盲分离 | 第43-54页 |
| ·概述 | 第43-44页 |
| ·基于VbMOICA的机械故障源分离方法 | 第44-47页 |
| ·建立混合模型 | 第44-45页 |
| ·建立ICA模型 | 第45-46页 |
| ·先验信息学习 | 第46-47页 |
| ·仿真研究 | 第47-50页 |
| ·实验研究 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 4 基于vbMoICA的机械故障源数估计方法研究 | 第54-66页 |
| ·概述 | 第54-56页 |
| ·源数估计方法 | 第56-59页 |
| ·推导过程 | 第56-57页 |
| ·最大化目标函数 | 第57-59页 |
| ·仿真实验 | 第59-61页 |
| ·实验研究 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 5 基于vbMoICA的机械故障源欠定问题的研究 | 第66-80页 |
| ·概述 | 第66-68页 |
| ·vbICA-BSS欠定盲分离方法 | 第68-73页 |
| ·建立模型 | 第68-70页 |
| ·变分学习法 | 第70-71页 |
| ·模型初始参数的选择和预处理 | 第71-73页 |
| ·仿真实验 | 第73-76页 |
| ·实验研究 | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 6 结论与展望 | 第80-82页 |
| ·本文总结 | 第80-81页 |
| ·进一步需要研究的问题 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第88页 |