盲信号分离的优化技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9-10页 |
| ·盲源分离的研究现状 | 第10-12页 |
| ·论文研究内容及结构 | 第12-14页 |
| 第二章 盲源分离与独立分量分析 | 第14-23页 |
| ·独立分量分析概念 | 第14-15页 |
| ·独立分量分析的生成模型 | 第15-16页 |
| ·独立分量分析的约束及不确定性 | 第16-17页 |
| ·独立分量分析的约束条件 | 第16页 |
| ·独立分量分析中的不确定性 | 第16-17页 |
| ·信号预处理 | 第17-19页 |
| ·独立分量分析的分析原理 | 第19-22页 |
| ·互信息量最小化目标函数 | 第20-21页 |
| ·信息传输最大化目标函数 | 第21页 |
| ·最大似然目标函数 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于峭度的盲源分离算法的优化与仿真 | 第23-32页 |
| ·信号的非高斯性 | 第23-24页 |
| ·非高斯性的度量 | 第24-25页 |
| ·峭度——基于统计量的方法 | 第24-25页 |
| ·负熵——基于信息论的方法 | 第25页 |
| ·基于峭度为目标函数的算法优化 | 第25-27页 |
| ·仿真分析 | 第27-31页 |
| ·人工源信号的混合分离仿真 | 第27-29页 |
| ·语音信号的混合分离仿真 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于负熵的自然梯度法的优化 | 第32-46页 |
| ·负熵代价函数 | 第32页 |
| ·负熵简化估计 | 第32-33页 |
| ·基于负熵的梯度算法 | 第33-41页 |
| ·梯度算法 | 第33-35页 |
| ·自然梯度算法 | 第35-36页 |
| ·广义自然梯度算法 | 第36页 |
| ·模拟退火算法 | 第36-38页 |
| ·自然梯度算法的优化 | 第38-41页 |
| ·优化算法仿真分析 | 第41-44页 |
| ·四路人工生成信号的混合分离仿真 | 第41-42页 |
| ·两路语音信号的混合分离仿真 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第五章 基于量子遗传算法的盲源分离算法研究 | 第46-57页 |
| ·遗传算法 | 第46-47页 |
| ·量子遗传算法 | 第47-50页 |
| ·量子比特编码 | 第47-48页 |
| ·量子旋转门策略 | 第48-49页 |
| ·量子交叉变异 | 第49-50页 |
| ·量子遗传算法流程 | 第50页 |
| ·基于优化的量子遗传算法的独立分量分析算法 | 第50-52页 |
| ·独立分量分析的基本思路 | 第50-51页 |
| ·分离矩阵的量子染色体编码 | 第51页 |
| ·分离适应度函数 | 第51页 |
| ·优化的量子遗传算法流程 | 第51-52页 |
| ·仿真分析 | 第52-56页 |
| ·遗传算法与量子遗传算法的仿真对比 | 第52-53页 |
| ·人工生成信号的混合分离仿真 | 第53-54页 |
| ·三路语音信号的混合分离仿真 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 全文总结 | 第57-59页 |
| ·本文工作总结 | 第57-58页 |
| ·有待进一步研究的问题 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表的论文 | 第64页 |
