| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 盲源分离理论研究现状 | 第11-12页 |
| 1.2.2 盲源分离在机械设备上的应用现状 | 第12-13页 |
| 1.3 本文研究的主要内容和论文结构安排 | 第13-15页 |
| 第二章 盲源分离基本理论 | 第15-24页 |
| 2.1 盲源分离基本模型 | 第15-17页 |
| 2.2 盲源分离基本概念 | 第17-19页 |
| 2.2.1 不相关与统计独立性 | 第17页 |
| 2.2.2 K-L散度与互信息 | 第17-18页 |
| 2.2.3 非高斯性 | 第18页 |
| 2.2.4 熵与负熵 | 第18-19页 |
| 2.2.5 峭度 | 第19页 |
| 2.2.6 中心化和白化 | 第19页 |
| 2.3 盲源分离目标函数与优化准则 | 第19-20页 |
| 2.3.1 非线性去相关准则 | 第20页 |
| 2.3.2 非高斯性最大化准则 | 第20页 |
| 2.3.3 信息最大化准则 | 第20页 |
| 2.3.4 互信息最小化准则 | 第20页 |
| 2.3.5 最大似然估计准则 | 第20页 |
| 2.4 盲源分离的数学模型 | 第20-22页 |
| 2.4.1 线性混合模型 | 第20-21页 |
| 2.4.2 非线性混合模型 | 第21-22页 |
| 2.5 盲源分离约束条件与不确定性分析 | 第22-24页 |
| 2.5.1 盲源分离问题的约束条件 | 第22页 |
| 2.5.2 盲源分离的不确定性 | 第22-24页 |
| 第三章 信号的盲源分离算法 | 第24-43页 |
| 3.1 盲源分离算法分类 | 第24-28页 |
| 3.1.1 线性瞬时混合盲分离算法 | 第24-25页 |
| 3.1.2 线性卷积混合盲分离算法 | 第25-27页 |
| 3.1.3 非线性混合盲源分离算法 | 第27-28页 |
| 3.2 瞬时混合语音信号分离 | 第28-34页 |
| 3.2.1 FastICA算法描述 | 第28-30页 |
| 3.2.2 FastICA算法仿真模拟 | 第30-34页 |
| 3.3 基于JADE算法的卷积混合语音信号分离 | 第34-41页 |
| 3.3.1 联合近似对角化算法(JADE)描述 | 第35-36页 |
| 3.3.2 K-means聚类解决排列不确定性问题 | 第36-37页 |
| 3.3.3 卷积混合语音信号JADE算法模拟实验 | 第37-41页 |
| 3.4 真实语音信号盲源分离试验 | 第41-43页 |
| 第四章 基于语音信号盲分离的船舶噪声分离实验 | 第43-60页 |
| 4.1 基于Labview的语音信号采集系统 | 第43-46页 |
| 4.1.1 采集系统设备简介 | 第43-45页 |
| 4.1.2 声音信号采集系统的程序框图 | 第45-46页 |
| 4.2 船舶柴油机噪声信号盲源分离 | 第46-53页 |
| 4.2.1 船舶柴油机噪声信号盲分离实验设计 | 第46-47页 |
| 4.2.2 船舶柴油机噪声信号的盲分离分析 | 第47-52页 |
| 4.2.3 船舶噪声分离实验总结 | 第52-53页 |
| 4.3 船舶柴油机声发射信号盲源分离实验 | 第53-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文研究的主要内容和结论 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |