| 第1章 绪论 | 第1-24页 |
| ·盲分离问题的来源 | 第11-13页 |
| ·盲信号处理的应用 | 第13-17页 |
| ·语音信号处理中的应用 | 第14页 |
| ·数字通信 | 第14-15页 |
| ·生物医学工程 | 第15-16页 |
| ·图像处理 | 第16页 |
| ·盲源分离技术在水声中的应用 | 第16-17页 |
| ·盲源分离处理技术研究概况 | 第17-22页 |
| ·国外盲信号处理技术研究概况 | 第17-20页 |
| ·国内盲信号处理发展概况 | 第20-21页 |
| ·盲信号处理技术发展新动态 | 第21-22页 |
| ·本文研究的工作和内容安排 | 第22-24页 |
| 第2章 线性盲源分离算法及其应用研究 | 第24-47页 |
| ·线性瞬态盲源分离模型 | 第24-27页 |
| ·盲源分离的不确定性和一些假设 | 第25-26页 |
| ·盲源分离前的预处理 | 第26-27页 |
| ·相关的理论知识 | 第27-31页 |
| ·熵 | 第27-28页 |
| ·Kunllack-Leibler散度和香农的互信息 | 第28-29页 |
| ·峰度 | 第29页 |
| ·负熵 | 第29-30页 |
| ·高阶矩与高阶累计量 | 第30-31页 |
| ·盲源分离的方法 | 第31-41页 |
| ·信息理论方法 | 第31-38页 |
| ·高阶统计(Higher Order Statistics，HOS)法 | 第38-40页 |
| ·其它方法 | 第40-41页 |
| ·仿真实验 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第3章 基于梯度的盲分离算法及其改进 | 第47-68页 |
| ·自然梯度算法及其改进 | 第47-52页 |
| ·自然梯度算法 | 第47-49页 |
| ·算法中的非线性函数 | 第49-50页 |
| ·变步长的自然梯度算法 | 第50-52页 |
| ·相对梯度算法(EASI Algorithm)及其改进 | 第52-60页 |
| ·相对梯度算法 | 第52-57页 |
| ·符号 EASI算法 | 第57-59页 |
| ·派生的算法及计算量分析 | 第59-60页 |
| ·综合性能指数 | 第60-61页 |
| ·仿真研究 | 第61-66页 |
| ·EASI算法有效性实验 | 第61-63页 |
| ·EASI、NGA算法及其改进算法的仿真比较 | 第63-66页 |
| ·本章小结 | 第66-68页 |
| 第4章 线性卷积盲源分离的研究 | 第68-93页 |
| ·卷积混合模型 | 第68-70页 |
| ·时间域(Time-domain，TD)方法 | 第70-75页 |
| ·信息理论方法 | 第71-72页 |
| ·Bussgang方法 | 第72-73页 |
| ·二阶统计(Second Order Statistic，SOS)办法 | 第73-75页 |
| ·频率域(Frequency-domain，FD)方法 | 第75-78页 |
| ·频率域方法简析 | 第75-76页 |
| ·采用频率域方法时的排列问题和幅度不确定性 | 第76-77页 |
| ·频率域中的二阶统计方法 | 第77-78页 |
| ·状态空间模型法及其它方法 | 第78-81页 |
| ·状态空间模型法 | 第78-80页 |
| ·其它方法 | 第80-81页 |
| ·混合语音盲分离的应用及仿真研究 | 第81-92页 |
| ·网络结构类型 | 第82-84页 |
| ·混合语音的盲分离仿真实现 | 第84-92页 |
| ·本章小结 | 第92-93页 |
| 第5章 混合水声信号的盲源分离 | 第93-105页 |
| ·引言 | 第93-94页 |
| ·实验环境、条件及理论模型 | 第94-97页 |
| ·实验内容 | 第97-104页 |
| ·本章小结 | 第104-105页 |
| 结论 | 第105-110页 |
| 参考文献 | 第110-121页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第121-122页 |
| 致谢 | 第122-123页 |
| 个人简历 | 第123页 |
