| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第一章 绪论 | 第11-20页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-19页 |
| ·盲分离实现的具体过程 | 第12-14页 |
| ·盲分离的混合模型及其分离理论 | 第14-18页 |
| ·盲分离的应用 | 第18-19页 |
| ·论文的研究内容与章节安排 | 第19-20页 |
| 第二章 盲信号分离概述 | 第20-29页 |
| ·引言 | 第20页 |
| ·信息论方法 | 第20-22页 |
| ·非高斯最大化 | 第22-24页 |
| ·基于负熵的 ICA 算法 | 第23页 |
| ·基于峰度的 ICA 算法 | 第23-24页 |
| ·稀疏成分分析 | 第24-26页 |
| ·稀疏信号 | 第24-25页 |
| ·稀疏条件下的信号模型及其假设条件 | 第25-26页 |
| ·稀疏混合信号特点 | 第26页 |
| ·源信号的恢复 | 第26-27页 |
| ·贝叶斯方法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 稀疏分解方法实现欠定盲源分离 | 第29-42页 |
| ·引言 | 第29页 |
| ·广义高斯信号及其稀疏性度量 | 第29-31页 |
| ·基于稀疏假设的盲源分离算法 | 第31-35页 |
| ·瞬时混合模型 | 第32-34页 |
| ·源信号数目的估计 | 第34-35页 |
| ·欠定情形下盲信号分离的新方法 | 第35-41页 |
| ·混叠矩阵的估计 | 第35-37页 |
| ·源信号的恢复 | 第37-38页 |
| ·欠定盲信号分离算法步骤 | 第38-39页 |
| ·仿真试验 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于 K 均值聚类的混叠矩阵的估计 | 第42-50页 |
| ·引言 | 第42页 |
| ·稀疏信号在盲源分离中的应用 | 第42-43页 |
| ·稀疏信号盲分离求解原理 | 第43页 |
| ·常规 K 均值聚类方法的不足 | 第43-45页 |
| ·KM-PCA 聚类算法估计混叠矩阵 | 第45-47页 |
| ·K 均值聚类的盲信道估计算法 | 第45页 |
| ·主分量分析方法原理 | 第45页 |
| ·KM-PCA 算法原理 | 第45-46页 |
| ·基于 K 均值聚类的 KM-PCA 盲信道估计算法 | 第46-47页 |
| ·仿真分析 | 第47-49页 |
| ·算法评估准则 | 第47页 |
| ·实验方法与结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 带延迟的瞬时混叠信号的盲分离 | 第50-56页 |
| ·引言 | 第50页 |
| ·信号模型与基本假设 | 第50-51页 |
| ·信号模型 | 第50-51页 |
| ·基本假设 | 第51页 |
| ·估计源信号数目和衰减矩阵 | 第51-55页 |
| ·线性聚类的优劣评判准则 | 第52-54页 |
| ·重建源信号 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 研究工作总结 | 第56页 |
| 进一步展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 附录 A 攻读学位期间所发表的学术论文目 | 第63页 |