盲源分离的极大似然估计算法研究与应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-13页 |
| ·概述 | 第7页 |
| ·盲源分离问题研究现状 | 第7-11页 |
| ·本文主要研究内容 | 第11-13页 |
| 第2章 独立成分分析的相关知识 | 第13-29页 |
| ·独立成分分析的定义 | 第13-14页 |
| ·独立成分分析的数学框架 | 第13页 |
| ·独立成分分析的定义 | 第13-14页 |
| ·预备知识 | 第14-19页 |
| ·变换下两个概率密度函数之间的关系 | 第14-15页 |
| ·正交化 | 第15-16页 |
| ·信息论知识 | 第16-18页 |
| ·极大似然法 | 第18-19页 |
| ·独立成分分析的基本理论 | 第19-26页 |
| ·随机变量的独立性的概念 | 第19-20页 |
| ·独立成分分析估计原理 | 第20-24页 |
| ·独立成分分析的预处理 | 第24-26页 |
| ·估计多个独立成分 | 第26-28页 |
| ·不相关性约束 | 第26-27页 |
| ·对称（并行）正交化 | 第27页 |
| ·渐进（串行）正交化 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于ICA的盲源分离常见算法 | 第29-38页 |
| ·FastICA算法 | 第29-34页 |
| ·算法的基本理论 | 第29-30页 |
| ·算法的预处理 | 第30页 |
| ·负熵的计算 | 第30-31页 |
| ·算法原理 | 第31-32页 |
| ·固定点算法 | 第32-33页 |
| ·算法步骤 | 第33页 |
| ·算法的特点 | 第33-34页 |
| ·InfoMax算法 | 第34-36页 |
| ·互信息最小化算法 | 第36页 |
| ·最大似然算法 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于修正牛顿法的极大似然估计算法 | 第38-51页 |
| ·快速不动点极大似然估计算法 | 第38-39页 |
| ·基于简化牛顿法的极大似然估计算法 | 第39-40页 |
| ·基于修正牛顿法的极大似然估计算法 | 第40-42页 |
| ·修正牛顿法 | 第40-41页 |
| ·算法实现 | 第41-42页 |
| ·评判盲源分离算法性能的两个典型指标 | 第42-43页 |
| ·仿真实验 | 第43-48页 |
| ·图像分离 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57页 |
