基于形态成分分析的盲源分离研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 论文研究背景及意义 | 第10-11页 |
| 1.2 盲源分离的基本模型 | 第11-14页 |
| 1.2.1 线性瞬时混合模型 | 第12-13页 |
| 1.2.2 线性卷积混合模型 | 第13页 |
| 1.2.3 非线性混合模型 | 第13-14页 |
| 1.3 盲源分离的发展和研究现状 | 第14-17页 |
| 1.3.1 独立成分分析 | 第14-15页 |
| 1.3.2 稀疏成分分析 | 第15-17页 |
| 1.3.3 非负矩阵分解 | 第17页 |
| 1.4 论文内容安排 | 第17-19页 |
| 第二章 形态成分分析理论 | 第19-43页 |
| 2.1 稀疏表示的理论基础 | 第19-21页 |
| 2.2 稀疏分解算法 | 第21-27页 |
| 2.2.1 正交匹配追踪算法 | 第22-24页 |
| 2.2.2 基追踪算法 | 第24-25页 |
| 2.2.3 OMP和BP算法的性能分析 | 第25-27页 |
| 2.3 形态成分分析 | 第27-31页 |
| 2.3.1 MCA模型假设 | 第27页 |
| 2.3.2 MCA模型 | 第27-30页 |
| 2.3.3 MCA分解算法 | 第30-31页 |
| 2.4 图像的稀疏表示字典 | 第31-40页 |
| 2.4.1 稀疏分解字典的设计 | 第32页 |
| 2.4.2 图像卡通部分的字典 | 第32-38页 |
| 2.4.3 图像纹理部分的字典 | 第38-40页 |
| 2.5 MCA在图像修复上的应用 | 第40-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第三章 基于形态成分分析的盲源分离 | 第43-61页 |
| 3.1 快速的独立成分分析（FASTICA） | 第43-45页 |
| 3.2 评价指标 | 第45-46页 |
| 3.2.1 混合矩阵的评价指标 | 第45-46页 |
| 3.2.2 源信号的评价指标 | 第46页 |
| 3.3 多通道形态成分分析 | 第46-52页 |
| 3.3.1 算法的基本原理 | 第47-49页 |
| 3.3.2 仿真和比较 | 第49-52页 |
| 3.4 广义形态成分分析 | 第52-60页 |
| 3.4.1 算法的基本原理 | 第52-55页 |
| 3.4.2 快速的广义形态成分分析 | 第55-56页 |
| 3.4.3 仿真与比较 | 第56-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第四章 广义形态成分分析的改进及应用 | 第61-74页 |
| 4.1 信号的相关性讨论 | 第61-64页 |
| 4.1.1 广义形态成分分析的不足 | 第61-62页 |
| 4.1.2 银河系前景辐射图像的特点分析 | 第62-64页 |
| 4.2 广义形态成分分析算法的改进 | 第64-67页 |
| 4.3 仿真与比较 | 第67-73页 |
| 4.3.1 源信号相关性较小时的盲源分离 | 第67-69页 |
| 4.3.2 源信号相关性较大时的盲源分离 | 第69-73页 |
| 4.4 本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 附件 | 第84页 |
