盲源分离算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景和意义 | 第7页 |
| ·盲源分离的研究现状 | 第7-9页 |
| ·本文的主要内容与结构 | 第9-11页 |
| ·主要内容 | 第9页 |
| ·结构安排 | 第9-11页 |
| 第二章 盲源分离的理论基础 | 第11-23页 |
| ·盲源分离的基本概念 | 第11-14页 |
| ·瞬时线性混合的盲分离 | 第11-12页 |
| ·卷积混合的盲分离 | 第12-13页 |
| ·分离矩阵求解基本思想 | 第13页 |
| ·盲源分离的基本假设及不确定性 | 第13-14页 |
| ·盲源分离的预处理及性能分析 | 第14-16页 |
| ·信号的零均值化 | 第14页 |
| ·信号的白化 | 第14-15页 |
| ·分离性能的评价指标 | 第15-16页 |
| ·相关数学知识 | 第16-18页 |
| ·Kullback-Leibler 散度 | 第16-17页 |
| ·负熵 | 第17页 |
| ·高阶累积量 | 第17-18页 |
| ·常用目标函数及优化算法 | 第18-21页 |
| ·常用目标函数 | 第18-19页 |
| ·常用优化算法 | 第19-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 独立源信号个数估计 | 第23-33页 |
| ·无噪声影响下源信号数目估计 | 第23-25页 |
| ·估计原理 | 第23页 |
| ·仿真分析 | 第23-25页 |
| ·有噪声影响下源信号数目估计 | 第25-32页 |
| ·特征值分解法 | 第25-26页 |
| ·信息论的估计准则 | 第26-29页 |
| ·仿真分析 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 不同阵列模型下盲源分离性能分析 | 第33-59页 |
| ·阵列天线的统计模型 | 第33-39页 |
| ·基本概念 | 第33-34页 |
| ·天线阵模型 | 第34-37页 |
| ·仿真分析 | 第37-39页 |
| ·FastICA 算法 | 第39-48页 |
| ·基于负熵最大的 FastICA 算法 | 第39-42页 |
| ·多个独立分量的逐次提取 | 第42页 |
| ·基于负熵最大的 FastICA 算法特点 | 第42-43页 |
| ·仿真分析 | 第43-48页 |
| ·全局最优盲源分离算法 | 第48-55页 |
| ·算法原理 | 第48-51页 |
| ·仿真分析 | 第51-55页 |
| ·基于均匀线阵的盲源分离改进算法 | 第55-58页 |
| ·改进原理 | 第56-57页 |
| ·仿真分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 改进的最大信噪比盲源分离算法 | 第59-65页 |
| ·基于最大信噪比盲源分离算法 | 第59-61页 |
| ·算法原理 | 第59-60页 |
| ·信号可分离性 | 第60-61页 |
| ·最大信噪比算法的改进 | 第61页 |
| ·仿真分析 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·总结 | 第65页 |
| ·展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 研究生在读期间的研究成果 | 第73-74页 |
