| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-12页 |
| Contents | 第12-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景及其意义 | 第16页 |
| 1.2 盲分离算法的发展现状 | 第16-19页 |
| 1.2.1 实时混合信号的盲分离算法存在的问题 | 第17-18页 |
| 1.2.2 卷积后混合信号的盲分离算法存在的问题 | 第18-19页 |
| 1.3 本文主要研究内容及章节安排 | 第19-22页 |
| 第二章 实时混合信号的盲分离算法的可行性分析 | 第22-38页 |
| 2.1 数学模型 | 第22页 |
| 2.2 盲分离问题的可分离性 | 第22-26页 |
| 2.2.1 基本定义及定理 | 第23页 |
| 2.2.2 可分离性的充分必要条件 | 第23-25页 |
| 2.2.3 正交变换对可分离性的影响 | 第25-26页 |
| 2.3 盲分离问题的分离原则 | 第26-30页 |
| 2.3.1 基本定理 | 第26-27页 |
| 2.3.2 m=n的情况 | 第27-29页 |
| 2.3.3 m>n的情况 | 第29页 |
2.3.4 m| 第29-30页 | |
| 2.4 盲分离算法在语音增强中的应用 | 第30-36页 |
| 2.4.1 多路未知信号提取算法(AMUSE) | 第32页 |
| 2.4.2 一种新的盲分离算法对噪声与信号相关情况下的语音增强 | 第32-36页 |
| 2.5 小结 | 第36-38页 |
| 第三章 实时混合信号的自适应盲分离算法 | 第38-51页 |
| 3.1 引言 | 第38页 |
| 3.2 基于神经网络结构的自适应盲分离算法 | 第38-40页 |
| 3.3 独立元分析算法(ICA) | 第40-43页 |
| 3.3.1 ICA定义及性质 | 第41-42页 |
| 3.3.2 ICA与PCA的联系和区别 | 第42页 |
| 3.3.3 实用的ICA算法 | 第42-43页 |
| 3.4 随机自然梯度自适应盲分离算法 | 第43-46页 |
| 3.4.1 信息几何理论 | 第43-44页 |
| 3.4.2 等变量自适应分离算法(EASI) | 第44-46页 |
| 3.5 一种新的基于自然梯度的自适应盲分离算法 | 第46-50页 |
| 3.5.1 算法推导 | 第46-47页 |
| 3.5.2 实验仿真 | 第47-50页 |
| 3.6 小结 | 第50-51页 |
| 第四章 卷积后混合信号的可分离性及分离算法 | 第51-65页 |
| 4.1 引言 | 第51-52页 |
| 4.2 卷积混合信号的可分离性 | 第52-57页 |
| 4.2.1 数学模型 | 第52-53页 |
| 4.2.2 可分离性探讨 | 第53-57页 |
| 4.3 盲识别算法 | 第57-62页 |
| 4.3.1 系统模型 | 第59-60页 |
| 4.3.2 系统识别方法 | 第60-61页 |
| 4.3.3 盲识别算法 | 第61-62页 |
| 4.4 盲解卷算法 | 第62-64页 |
| 4.4.1 算法结构 | 第63页 |
| 4.4.2 解卷性能标准 | 第63-64页 |
| 4.5 小结 | 第64-65页 |
| 第五章 基于信息几何理论的卷积后混合信号盲分离新算法 | 第65-91页 |
| 5.1 引言 | 第65页 |
| 5.2 信息几何理论在盲分离问题中应用的可行性讨论 | 第65-71页 |
| 5.2.1 最大熵(ME)算法 | 第65-67页 |
| 5.2.2 最小互信息量(MMI)算法 | 第67-68页 |
| 5.2.3 ME和MMI算法的性能比较 | 第68-71页 |
| 5.3 最小互信息量用于单输入单输出的盲解卷问题 | 第71-77页 |
| 5.3.1 算法原理 | 第71-72页 |
| 5.3.2 算法实现 | 第72-73页 |
| 5.3.3 算法分析 | 第73-74页 |
| 5.3.4 实验仿真 | 第74-77页 |
| 5.4 卷积后混合信号的最大熵(ME)盲分离算法 | 第77-82页 |
| 5.4.1 算法原理 | 第78-79页 |
| 5.4.2 实验仿真 | 第79-82页 |
| 5.5 卷积后混合信号的最小互信息量(MMI)盲分离算法 | 第82-90页 |
| 5.5.1 算法原理 | 第82-83页 |
| 5.5.2 算法性能分析 | 第83-85页 |
| 5.5.3 实验仿真 | 第85-90页 |
| 5.6 小结 | 第90-91页 |
| 第六章 基于多抽样率分析技术的卷积后混合信号盲分离新算法 | 第91-107页 |
| 6.1 信号的多抽样率分析 | 第91-93页 |
| 6.2 基于多抽样率分析的一种盲识别新算法 | 第93-100页 |
| 6.2.1 算法模型 | 第93-95页 |
| 6.2.2 算法原理 | 第95-98页 |
| 6.2.3 实验仿真 | 第98-100页 |
| 6.3 基于多抽样率分析的一种盲解卷新算法 | 第100-106页 |
| 6.3.1 算法原理 | 第100-103页 |
| 6.3.2 实验仿真 | 第103-106页 |
| 6.4 小结 | 第106-107页 |
| 结论 | 第107-109页 |
| 参考文献 | 第109-120页 |
| 攻读博士学位期间发表的学术论文 | 第120-121页 |
| 致谢 | 第121页 |
