基于有理非线性Fast-ICA的含噪超高斯信源分离
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 盲源分离问题概述 | 第15-18页 |
| 1.3.1 盲源分离的数学模型 | 第15-16页 |
| 1.3.2 盲源分离的经典算法 | 第16-17页 |
| 1.3.3 盲源分离的算法评价标准 | 第17-18页 |
| 1.4 论文的主要工作及组织结构 | 第18-20页 |
| 第2章 独立成分分析 | 第20-33页 |
| 2.1 ICA的定义 | 第20-21页 |
| 2.2 ICA的估计原理 | 第21-23页 |
| 2.2.1 ICA的数学模型 | 第21页 |
| 2.2.2 ICA的假设条件 | 第21-22页 |
| 2.2.3 ICA的解混模型 | 第22-23页 |
| 2.3 ICA的不确定性 | 第23-24页 |
| 2.4 ICA的基本方法 | 第24-30页 |
| 2.4.1 ICA的优化判据 | 第24-28页 |
| 2.4.2 ICA优化算法 | 第28-30页 |
| 2.5 FastICA算法 | 第30-32页 |
| 2.5.1 非对称方法 | 第30-31页 |
| 2.5.2 对称方法 | 第31-32页 |
| 2.5.3 FastICA算法性能 | 第32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 基于有理非线性的FastICA算法 | 第33-43页 |
| 3.1 经典对比函数 | 第33-34页 |
| 3.2 有理非线性函数 | 第34-38页 |
| 3.2.1 有理非线性的推导 | 第35-37页 |
| 3.2.2 性能分析 | 第37-38页 |
| 3.3 实验仿真 | 第38-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 小波去噪方法 | 第43-56页 |
| 4.1 小波去噪原理 | 第43-44页 |
| 4.1.1 小波变换 | 第43页 |
| 4.1.2 小波去噪模型 | 第43-44页 |
| 4.2 小波去噪算法 | 第44-46页 |
| 4.2.1 模极大值去噪算法 | 第44-45页 |
| 4.2.2 尺度相关性分析算法 | 第45页 |
| 4.2.3 小波阈值收缩算法 | 第45-46页 |
| 4.3 小波阈值收缩算法中的阈值与阈值函数 | 第46-49页 |
| 4.3.1 阈值 | 第46-47页 |
| 4.3.2 阈值函数 | 第47-49页 |
| 4.4 新的阈值函数 | 第49-52页 |
| 4.4.1 表达式推导 | 第49页 |
| 4.4.2 参数确定 | 第49-52页 |
| 4.5 实验仿真 | 第52-55页 |
| 4.5.1 a取值不同时的去噪对比 | 第53-54页 |
| 4.5.2 三种阈值函数的去噪对比 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 含噪盲分离 | 第56-62页 |
| 5.1 噪声ICA模型 | 第56-57页 |
| 5.2 含噪ICA的解决方案 | 第57-58页 |
| 5.3 实验仿真 | 第58-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结束语 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读硕士学位期间发表论文目录 | 第71页 |
