| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·引言 | 第7-8页 |
| ·科学计算软件 Scilab 概述 | 第8-9页 |
| ·盲信号分离问题研究现状 | 第9-11页 |
| ·本文的主要研究工作 | 第11-13页 |
| 2 科学计算软件 Scilab 的界面汉化研究 | 第13-22页 |
| ·引言 | 第13页 |
| ·Scilab的界面汉化研究 | 第13-21页 |
| ·内核源代码的目录结构 | 第13-16页 |
| ·Scilab界面实现的源代码分析 | 第16-17页 |
| ·界面汉化结果 | 第17-21页 |
| ·小结 | 第21-22页 |
| 3 盲信号分离基本理论和方法研究 | 第22-33页 |
| ·盲信号分离的基本理论 | 第22-25页 |
| ·盲信号分离数学模型 | 第22页 |
| ·盲信号分离的一般研究方法 | 第22-23页 |
| ·盲信号分离算法性能的评价指标 | 第23-25页 |
| ·典型的盲信号分离方法 | 第25-30页 |
| ·基于信息理论的方法 | 第25-28页 |
| ·非线性主分量分析 | 第28-29页 |
| ·独立分量分析 | 第29-30页 |
| ·盲信号分离在语音与图像分离中的应用 | 第30-32页 |
| ·小结 | 第32-33页 |
| 4 超高斯和亚高斯混合信号的盲分离 | 第33-39页 |
| ·引言 | 第33页 |
| ·盲信号分离模型 | 第33-34页 |
| ·基于 K-L 散度最小化的预白化 BSS 算法 | 第34-37页 |
| ·基于 K-L 散度统计独立代价函数的预白化 BSS 算法的推导 | 第34-36页 |
| ·关于高斯函数对称的概率密度估计模型 | 第36-37页 |
| ·分离算法流程 | 第37页 |
| ·试验结果及分析 | 第37-38页 |
| ·小结 | 第38-39页 |
| 5 源信号个数未知的超定盲信号分离算法研究 | 第39-44页 |
| ·引言 | 第39页 |
| ·算法研究 | 第39-41页 |
| ·算法思路框架 | 第39页 |
| ·运用主成分分析方法估计源信号数目 | 第39-41页 |
| ·加权自然梯度 BSS 算法 | 第41页 |
| ·算法仿真与分析 | 第41-43页 |
| ·小结 | 第43-44页 |
| 6 基于 Scilab的盲信号分离工具箱: BSSLAB | 第44-51页 |
| ·工具箱结构设计 | 第44-45页 |
| ·工具箱的框架结构 | 第44-45页 |
| ·BSS数据结构的设计及实现 | 第45页 |
| ·工具箱的功能设计 | 第45-48页 |
| ·工具箱的运行简介 | 第48-50页 |
| ·小结 | 第50-51页 |
| 7 总结与展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 作者在攻读硕士期间所发表的论文及获奖情况 | 第58页 |