| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-14页 |
| ·选题背景及意义 | 第10页 |
| ·ICA 的国内外研究现状 | 第10-12页 |
| ·课题的来源 | 第12-13页 |
| ·课题的研究内容 | 第13-14页 |
| 第二章 独立分量分析原理及常见算法 | 第14-44页 |
| ·独立分量分析的定义 | 第15-20页 |
| ·盲信号分离问题 | 第15-16页 |
| ·基本独立分量分析的线性模型 | 第16-18页 |
| ·噪声ICA 和非线性ICA | 第18-20页 |
| ·独立分量分析的相关数学知识 | 第20-29页 |
| ·矢量梯度与矢量矩阵 | 第20-21页 |
| ·变换下两个概率密度函数之间的关系 | 第21-22页 |
| ·统计知识 | 第22-26页 |
| ·信息论知识 | 第26-29页 |
| ·独立分量分析独立性的度量 | 第29-34页 |
| ·几种常见的度量信号独立性方法 | 第29-31页 |
| ·对一种新的独立性度量方式的初步想法 | 第31-34页 |
| ·独立分量分析常用算法 | 第34-42页 |
| ·FastICA 算法 | 第35-38页 |
| ·InfoMax 算法 | 第38-41页 |
| ·互信息最小算法 | 第41页 |
| ·最大似然算法 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第三章 基于正交矩阵的参数化表示和遗传算法的 ICA 算法 | 第44-81页 |
| ·本算法的背景、目标及方案 | 第44-45页 |
| ·数据的预处理――白化过程 | 第45-46页 |
| ·正交矩阵的参数化表示 | 第46-50页 |
| ·二维正交矩阵的参数化表示 | 第46-47页 |
| ·任意维数单位向量的参数表示 | 第47-48页 |
| ·任意维数正交矩阵的参数表示及表示的完备性 | 第48-50页 |
| ·算法分析 | 第50-53页 |
| ·算法流程 | 第53-54页 |
| ·算法仿真实验 | 第54-77页 |
| ·4 维信号分离的仿真实验 | 第54-60页 |
| ·高斯、超高斯和亚高斯信号共存时信号分离的仿真实验 | 第60-77页 |
| ·算法讨论 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 第四章 独立分量分析技术的应用 | 第81-114页 |
| ·ICA 技术在生物医学工程里 ECG 信号抽取中的应用 | 第81-95页 |
| ·ECG 信号抽取的背景与目标 | 第81-82页 |
| ·利用正交矩阵的参数化表示和遗传算法的ICA 算法抽取ECG 信号. | 第82-87页 |
| ·利用FastICA 算法抽取ECG 信号 | 第87-88页 |
| ·利用EASI 算法抽取ECG 信号 | 第88-95页 |
| ·ICA 技术在语音信号分离中的应用 | 第95-103页 |
| ·语音信号的特点与本仿真的实现目标 | 第95-98页 |
| ·基于正交矩阵的参数化表示和遗传算法的ICA 算法的语音信号分离 | 第98-100页 |
| ·基于FastICA 算法的语音信号分离 | 第100-102页 |
| ·基于EASI 算法的语音信号分离 | 第102-103页 |
| ·ICA 技术在图像分离中的应用 | 第103-113页 |
| ·图像分离的背景与本仿真的平台 | 第103-105页 |
| ·基于正交矩阵的参数化表示和遗传算法的ICA算法在图像分离中的应用 | 第105-109页 |
| ·FastICA 算法在图像分离中的应用 | 第109-111页 |
| ·EASI 算法在图像分离中的应用 | 第111-113页 |
| ·本章小结 | 第113-114页 |
| 第五章 结论 | 第114-115页 |
| 致谢 | 第115-116页 |
| 参考文献 | 第116-119页 |
| 附录（部分子程序） | 第119-130页 |
| 作者攻硕期间取得的成果 | 第130页 |
