| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 多通道BSS研究现状 | 第12-13页 |
| 1.2.2 单通道BSS研究现状 | 第13-15页 |
| 1.3 本文主要工作及章节安排 | 第15-17页 |
| 1.3.1 本文主要工作 | 第15-16页 |
| 1.3.2 本文章节安排 | 第16-17页 |
| 第2章 盲源分离基本理论 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 信号模型 | 第17-18页 |
| 2.3 BSS的不确定性 | 第18页 |
| 2.4 预处理 | 第18-19页 |
| 2.5 独立分量分析基本理论与算法 | 第19-24页 |
| 2.5.1 ICA的目标函数 | 第20-22页 |
| 2.5.2 ICA的寻优算法 | 第22-24页 |
| 2.6 分离性能评价准则 | 第24-26页 |
| 第3章 FastICA算法的改进 | 第26-44页 |
| 3.1 引言 | 第26页 |
| 3.2 基于帕德逼近的FastICA算法 | 第26-37页 |
| 3.2.1 函数的帕德逼近 | 第26-27页 |
| 3.2.2 基于帕德逼近的FastICA算法原理 | 第27-30页 |
| 3.2.3 算法仿真与性能分析 | 第30-37页 |
| 3.3 基于有理多项式非线性函数的FastICA算法 | 第37-43页 |
| 3.3.1 算法原理 | 第37-39页 |
| 3.3.2 算法步骤 | 第39-40页 |
| 3.3.3 算法仿真与分析 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 单通道盲源分离算法 | 第44-82页 |
| 4.1 引言 | 第44页 |
| 4.2 单通道盲源分离基本模型 | 第44-45页 |
| 4.3 基于小波包分解的SCBSS算法 | 第45-50页 |
| 4.3.1 小波包分解原理 | 第45-46页 |
| 4.3.2 WPT-ICA算法 | 第46-47页 |
| 4.3.3 算法仿真与性能分析 | 第47-50页 |
| 4.4 基于经验模态分解的单通道盲源分离算法改进 | 第50-62页 |
| 4.4.1 基于EMD的SCBSS算法 | 第50-52页 |
| 4.4.2 基于EEMD的SCBSS算法 | 第52-53页 |
| 4.4.3 基于EMD、PCA和ICA的SCBSS算法 | 第53-54页 |
| 4.4.4 算法仿真与性能分析 | 第54-62页 |
| 4.5 基于变分模式分解的SCBSS算法 | 第62-73页 |
| 4.5.1 VMD原理及算法 | 第62-67页 |
| 4.5.2 VMD-SCBSS算法步骤 | 第67页 |
| 4.5.3 算法仿真与性能分析 | 第67-73页 |
| 4.6 基于反馈VMD的SCBSS算法 | 第73-81页 |
| 4.6.1 算法原理及步骤 | 第73-74页 |
| 4.6.2 算法仿真与性能分析 | 第74-81页 |
| 4.7 本章总结 | 第81-82页 |
| 第5章 结束语及展望 | 第82-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 附录 | 第89页 |