盲源分离技术在多通道信号处理中的应用
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第4-6页 |
| 第一章 绪论 | 第6-10页 |
| ·本课题的研究背景 | 第6-9页 |
| ·本课题的意义 | 第9-10页 |
| 第二章 盲源分离技术的理论与实现 | 第10-33页 |
| ·引言 | 第10-21页 |
| ·二阶方法 | 第12-15页 |
| ·高阶方法 | 第15-21页 |
| ·独立元分析理论 | 第21-24页 |
| ·统计独立性 | 第21-22页 |
| ·线性ICA的定义 | 第22-23页 |
| ·ICA模型的可识别性 | 第23-24页 |
| ·独立分量分析目标(对照)函数 | 第24-32页 |
| ·引言 | 第24-25页 |
| ·目标函数与算法 | 第25页 |
| ·多单元(Multi-Unit)对照函数 | 第25-28页 |
| ·一个单元(One-unit)对照函数 | 第28-31页 |
| ·对照函数的统一概念 | 第31-32页 |
| 本章小节 | 第32-33页 |
| 第三章 独立分量分析算法 | 第33-40页 |
| ·引言 | 第33页 |
| ·数据预处理 | 第33-34页 |
| ·Jutten-Hérault算法 | 第34页 |
| ·非线性去相关算法 | 第34页 |
| ·最大似然或信息最大估计算法 | 第34-35页 |
| ·非线性PCA算法 | 第35页 |
| ·神经单个单元学习准则 | 第35-36页 |
| ·其它神经(自适应)算法 | 第36页 |
| ·快速ICA(FICA)算法 | 第36-38页 |
| ·基于张量算法 | 第38-39页 |
| ·加权协方差法 | 第39页 |
| ·算法选取 | 第39页 |
| 本章小结 | 第39-40页 |
| 第四章 数字水印检测 | 第40-54页 |
| ·引言 | 第40-41页 |
| ·数学水印的主要特性和可能的袭击 | 第41-45页 |
| ·数学水印的主要特性 | 第41-42页 |
| ·水印可能受到的攻击和对策 | 第42-44页 |
| ·数字水印框架、参数、方法及其性能评价 | 第44-45页 |
| ·数字水印的分类及其算法分类 | 第45-47页 |
| ·试验结果 | 第47-50页 |
| ·水印嵌入方案 | 第47-48页 |
| ·水印的性能分析 | 第48-50页 |
| ·鲁棒性测试 | 第50-53页 |
| ·尺度缩放 | 第50页 |
| ·附加噪声 | 第50-52页 |
| ·JPEG压缩 | 第52页 |
| ·低通滤波攻击 | 第52-53页 |
| 本章小结 | 第53-54页 |
| 第五章 fMRI图像的分析和处理 | 第54-60页 |
| ·引言 | 第54-56页 |
| ·功能性磁共振成像原理介绍 | 第54-55页 |
| ·fMRI在视觉研究中的应用和进展 | 第55-56页 |
| ·fMRI在视觉注意(ERP)上的研究 | 第56-59页 |
| ·相关检测法 | 第57页 |
| ·ICA处理fMRI数据 | 第57-59页 |
| 本章小结 | 第59-60页 |
| 结论 | 第60-63页 |
| 1 本论文工作的主要成果 | 第60页 |
| 2 对本文工作的进一步展望 | 第60-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间发表的论文 | 第67-68页 |
| 致谢 | 第68页 |
