| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 盲分离的定义 | 第12-13页 |
| 1.2 盲分离的数学模型 | 第13-15页 |
| 1.3 经典方法介绍 | 第15-20页 |
| 1.3.1 独立成份分析 | 第15-17页 |
| 1.3.2 稀疏成份分析 | 第17-19页 |
| 1.3.3 非负矩阵分解 | 第19-20页 |
| 1.4 盲分离理论的应用 | 第20-21页 |
| 1.4.1 在生物医学领域的应用 | 第20-21页 |
| 1.4.2 在无线通信领域的应用 | 第21页 |
| 1.5 本文的主要研究工作 | 第21-22页 |
| 1.6 本研究课题的来源 | 第22-24页 |
| 第二章 混沌信号的特点 | 第24-40页 |
| 2.1 混沌理论简介 | 第24-25页 |
| 2.2 离散混沌系统 | 第25-29页 |
| 2.2.1 Logistic 映射 | 第25-27页 |
| 2.2.2 Heonon 映射 | 第27-28页 |
| 2.2.3 Arnold 映射 | 第28-29页 |
| 2.3 连续混沌系统 | 第29-34页 |
| 2.3.1 洛伦兹系统 | 第29-30页 |
| 2.3.2 罗斯勒系统 | 第30-31页 |
| 2.3.3 一般的 19 种混沌系统 | 第31-33页 |
| 2.3.4 对常微分方程组的求解 | 第33-34页 |
| 2.4 混沌信号的分析方法 | 第34-36页 |
| 2.4.1 相空间重构 | 第34页 |
| 2.4.2 李亚谱诺夫指数及计算方法 | 第34-35页 |
| 2.4.3 递归图及计算方法 | 第35-36页 |
| 2.5 混沌信号与普通信号的共性和特性 | 第36-39页 |
| 2.5.1 Logistic 映射的概率密度函数和稀疏性 | 第36-38页 |
| 2.5.2 Lorenz 系统的概率密度函数和稀疏性 | 第38-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第三章 基于增殖系数的混沌信号盲分离 | 第40-53页 |
| 3.1 引言 | 第40-41页 |
| 3.2 增殖系数 | 第41-45页 |
| 3.2.1 定义 | 第41-42页 |
| 3.2.2 特性与比较 | 第42-45页 |
| 3.3 盲分离算法 | 第45-47页 |
| 3.4 算法仿真 | 第47-51页 |
| 3.4.1 无噪声情况下的盲分离 | 第48-50页 |
| 3.4.2 在噪声污染下的盲分离 | 第50-51页 |
| 3.4.3 在噪声污染下提取一个分量 | 第51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 对噪声的后期处理 | 第53-64页 |
| 4.1 引言 | 第53-54页 |
| 4.2 算法原理 | 第54-56页 |
| 4.3 算法描述 | 第56-58页 |
| 4.4 算法分析与比较 | 第58页 |
| 4.5 实验验证 | 第58-63页 |
| 4.5.1 对信噪比的影响 | 第59-62页 |
| 4.5.2 对混沌特征量的影响 | 第62-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 混沌信号在无线传感器网络中的盲分离 | 第64-76页 |
| 5.1 引言 | 第64页 |
| 5.2 盲源模型 | 第64-65页 |
| 5.3 信号的最优量化 | 第65-68页 |
| 5.4 盲分离算法 | 第68-71页 |
| 5.4.1 状态方程和观测方程 | 第68-69页 |
| 5.4.2 容积卡尔曼粒子滤波盲分离算法 | 第69-71页 |
| 5.4.3 算法分析 | 第71页 |
| 5.5 仿真结果 | 第71-75页 |
| 5.6 本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 攻读硕士学位期间取得的研究成果 | 第84-86页 |
| 致谢 | 第86-88页 |
| 附件 | 第88页 |