| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 符号说明 | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·盲分离的研究意义 | 第9页 |
| ·盲分离的研究现状 | 第9-12页 |
| ·变步长盲分离的研究现状 | 第10-11页 |
| ·单通道多输出(SIMO)的研究现状 | 第11-12页 |
| ·文章的研究内容 | 第12页 |
| ·论文的结构安排 | 第12-13页 |
| 第二章 盲分离经典理论 | 第13-37页 |
| ·统计独立理论与信息论基础 | 第13-18页 |
| ·不相关与白化 | 第13页 |
| ·统计独立 | 第13-14页 |
| ·熵基本概念 | 第14页 |
| ·变换熵 | 第14-15页 |
| ·变换的密度 | 第14-15页 |
| ·变换的熵 | 第15页 |
| ·极大熵 | 第15-16页 |
| ·负熵 | 第16页 |
| ·熵的逼近[41] | 第16-18页 |
| ·多项式逼近法 | 第16-17页 |
| ·非多项式函数逼近法 | 第17-18页 |
| ·互信息 | 第18-19页 |
| ·互信息熵的表示 | 第18页 |
| ·Kullback-Leibler散度 | 第18-19页 |
| ·梯度 | 第19-20页 |
| ·梯度的向量及矩阵的表示 | 第19页 |
| ·梯度下降法 | 第19-20页 |
| ·盲信号分离理论 | 第20-25页 |
| ·盲分离的基本模型 | 第20-22页 |
| ·盲分离的独立性准则 | 第22-23页 |
| ·目标函数的选择 | 第23-24页 |
| ·盲分离目标函数在梯度算法中的推导 | 第24-25页 |
| ·盲分离的一些不确定性及其约束 | 第25-26页 |
| ·衡量盲分离的性能指标 | 第26-27页 |
| ·盲分离的几种常用算法 | 第27-34页 |
| ·基于非高斯性最大化的ICA估计方法 | 第27-30页 |
| ·自然梯度算法 | 第27-28页 |
| ·基于负熵的梯度算法 | 第28-29页 |
| ·基于负熵的快速不动点算法 | 第29-30页 |
| ·基于极大似然估计法 | 第30-31页 |
| ·梯度算法 | 第30-31页 |
| ·快速不动点算法 | 第31页 |
| ·EASI算法 | 第31-34页 |
| ·EASI算法原理 | 第31-32页 |
| ·实验仿真 | 第32-34页 |
| ·本章小结 | 第34-37页 |
| 第三章 梯度类变步长盲分离理论 | 第37-51页 |
| ·变步长自然梯度算法 | 第37-49页 |
| ·一般性变步长自然梯度算法 | 第37-38页 |
| ·非完整性变步长自然梯度算法 | 第38-39页 |
| ·实验仿真 | 第39-49页 |
| ·本章小结 | 第49-51页 |
| 第四章 基于经验模态分解(EMD)的单通道盲分离理论的研究 | 第51-67页 |
| ·经典SIMO方法 | 第51-53页 |
| ·变换域滤波 | 第51页 |
| ·基函数法 | 第51-52页 |
| ·多参数联合估计 | 第52页 |
| ·其他方法 | 第52页 |
| ·单通道盲分离存在的问题 | 第52-53页 |
| ·经验模态分解理论 | 第53-56页 |
| ·EMD的基本原理 | 第53-56页 |
| ·瞬时频率 | 第53-54页 |
| ·固有模态函数 | 第54-55页 |
| ·经验模态分解方法(EMD) | 第55-56页 |
| ·基于EMD的SIMO方法 | 第56-66页 |
| ·EMD-SIMO理论 | 第56-57页 |
| ·实验仿真 | 第57-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| ·工作的总结 | 第67页 |
| ·工作的展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75页 |