| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题概述 | 第8-10页 |
| 1.1.1 课题来源 | 第8页 |
| 1.1.2 课题背景和研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 BSS的发展概况 | 第10-13页 |
| 1.2.2 BSS在机械故障诊断中的应用发展概况 | 第13-15页 |
| 1.3 论文主要研究内容和结构安排 | 第15-16页 |
| 1.3.1 论文主要研究内容 | 第15页 |
| 1.3.2 论文的结构安排 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 盲源分离理论 | 第17-37页 |
| 2.1 盲源分离的产生 | 第17页 |
| 2.2 盲源分离问题描述 | 第17-20页 |
| 2.2.1 盲源分离的线性瞬时混合 | 第18-19页 |
| 2.2.2 盲源分离的线性卷积混合 | 第19-20页 |
| 2.2.3 盲源分离的非线性混合 | 第20页 |
| 2.3 盲源分离技术介绍 | 第20-21页 |
| 2.4 盲源分离的不确定性 | 第21-22页 |
| 2.5 盲源分离的数据预处理 | 第22-23页 |
| 2.5.1 中心化 | 第22页 |
| 2.5.2 白化 | 第22-23页 |
| 2.6 盲源分离相关理论知识 | 第23-28页 |
| 2.6.1 高阶累计量 | 第23-25页 |
| 2.6.2 熵 | 第25-26页 |
| 2.6.3 Kullback-Leilber散度 | 第26页 |
| 2.6.4 互信息 | 第26-27页 |
| 2.6.5 负熵 | 第27-28页 |
| 2.7 盲源分离的主要算法介绍 | 第28-36页 |
| 2.7.1 特征矩阵联合近似对角化算法(JADE) | 第28-30页 |
| 2.7.2 快速定点算法(FastICA) | 第30-32页 |
| 2.7.3 信息最大化算法(Informax) | 第32-35页 |
| 2.7.4 互信息极小化算法(MMI) | 第35-36页 |
| 2.8 本章小结 | 第36-37页 |
| 第3章 基于改进 K_means 聚类和功率谱密度的盲信号源数估计 | 第37-57页 |
| 3.1 引言 | 第37页 |
| 3.2 传统源数估计法 | 第37-38页 |
| 3.3 基于改进K_means聚类和功率谱密度的盲信号源数估计 | 第38-45页 |
| 3.3.1 基于互功率谱密度的盲信号源数估计 | 第38-41页 |
| 3.3.2 聚类分析 | 第41-44页 |
| 3.3.3 基于改进K-means聚类源数估计 | 第44-45页 |
| 3.4 实验研究 | 第45-56页 |
| 3.4.1 无噪声下源数估计 | 第45-50页 |
| 3.4.2 带噪声情况下的仿真 | 第50-51页 |
| 3.4.3 实验 | 第51-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第4章 基于小波变换的非平稳盲信号源数估计 | 第57-68页 |
| 4.1 引言 | 第57-58页 |
| 4.2 数学模型 | 第58页 |
| 4.3 非平稳信号的时频分析方法 | 第58-59页 |
| 4.4 非平稳盲信号源数估计 | 第59-61页 |
| 4.5 模糊 C 均值聚类算法 | 第61-62页 |
| 4.6 仿真与分析 | 第62-67页 |
| 4.6.1 无噪声下源数估计 | 第62-65页 |
| 4.6.2 有噪声下源数估计 | 第65-67页 |
| 4.7 本章小结 | 第67-68页 |
| 第5章 结论与展望 | 第68-70页 |
| 5.1 结论 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 附录1 攻读硕士学位期间发表的论文 | 第76-77页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第77-78页 |
| 详细摘要 | 第78-83页 |
