| 摘要 | 第1-7页 |
| Abstract | 第7-17页 |
| 第一章 绪论 | 第17-29页 |
| ·盲分离问题简介 | 第17-18页 |
| ·数学模型 | 第18-21页 |
| ·瞬时混合盲分离模型 | 第18-19页 |
| ·多输入多输出盲解卷/均衡模型 | 第19-21页 |
| ·可分离性和分离原则 | 第21-22页 |
| ·盲分离算法概括 | 第22-27页 |
| ·基于信息论的准则 | 第22页 |
| ·基于累积量的准则 | 第22-24页 |
| ·基于二阶统计的准则 | 第24-25页 |
| ·卷积混合的算法 | 第25-26页 |
| ·盲信号提取方法 | 第26页 |
| ·求最优解的方法 | 第26-27页 |
| ·本文的主要贡献和章节安排 | 第27-29页 |
| 第二章 未知信号峭度符号的盲分离算法 | 第29-44页 |
| ·引言 | 第29页 |
| ·直接估计评价函数方法 | 第29-31页 |
| ·分离算法 | 第29-30页 |
| ·Φ(y)的估计 | 第30-31页 |
| ·基于累积量的联合对角化方法 | 第31-36页 |
| ·预白化 | 第32-33页 |
| ·联合对角化算法(一) | 第33-35页 |
| ·联合对角化算法(二) | 第35-36页 |
| ·特征值分解法 | 第36页 |
| ·仿真结果 | 第36-42页 |
| ·亚高斯和高斯信号混合的情况 | 第37页 |
| ·亚高斯和超高斯信号混合的情况 | 第37-39页 |
| ·亚高斯和超高斯信号(语音)混合的情况 | 第39-40页 |
| ·周期信号与随机信号混合的情况 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第三章 后非线性盲分离算法 | 第44-61页 |
| ·引言 | 第44-45页 |
| ·瞬时非线性混合盲分离 | 第45-50页 |
| ·后非线性(post-nonlinear)盲分离模型 | 第45-46页 |
| ·目标函数 | 第46-47页 |
| ·分离系统参数的学习算法 | 第47-49页 |
| ·计算机仿真 | 第49-50页 |
| ·卷积混合的情况 | 第50-55页 |
| ·后非线性盲解卷模型 | 第50-51页 |
| ·W,B,R,C,Φ的学习算法 | 第51-52页 |
| ·参数θ的自然梯度学习算法 | 第52-54页 |
| ·计算机仿真 | 第54-55页 |
| ·基于核的非线性盲分离算法 | 第55-60页 |
| ·协方差矩阵同时对角化 | 第55-57页 |
| ·卷积混合后非线性盲分离算法 | 第57-59页 |
| ·计算机仿真 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 Bayesian盲分离算法 | 第61-74页 |
| ·引言 | 第61页 |
| ·瞬时混合的情况 | 第61-66页 |
| ·算法推导 | 第61-63页 |
| ·仿真结果 | 第63-66页 |
| ·卷积混合的情况 | 第66-69页 |
| ·算法推导 | 第66-67页 |
| ·仿真结果 | 第67-69页 |
| ·基于集成学习方法的盲解卷算法 | 第69-73页 |
| ·源信号模型 | 第69页 |
| ·Bayesian推理 | 第69-72页 |
| ·仿真结果 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第五章 盲信号提取算法 | 第74-87页 |
| ·引言 | 第74页 |
| ·串联神经网络方法 | 第74-77页 |
| ·基于归一化峭度准则的算法 | 第74-75页 |
| ·降阶过程 | 第75-77页 |
| ·定点算法 | 第77-78页 |
| ·卷积混合情况的提取算法 | 第78-79页 |
| ·基于最小互信息量的算法 | 第79-81页 |
| ·仿真结果 | 第81-86页 |
| ·提取三个随机信号 | 第81-82页 |
| ·提取三个周期性信号 | 第82-86页 |
| ·本章小结 | 第86-87页 |
| 第六章 非平稳信号盲分离算法 | 第87-97页 |
| ·引言 | 第87页 |
| ·瞬时混合的情况 | 第87-91页 |
| ·一个鲁棒的预白化算法 | 第88-89页 |
| ·类AMUSE算法(AMUSE-Like) | 第89-90页 |
| ·仿真结果 | 第90-91页 |
| ·卷积混合的情况 | 第91-96页 |
| ·由多输入多输出的系统变换成单输入多输出的系统 | 第91-94页 |
| ·仿真结果 | 第94-96页 |
| ·本章小结 | 第96-97页 |
| 第七章 卷积混合盲分离算法 | 第97-107页 |
| ·引言 | 第97页 |
| ·基于互双谱的算法 | 第97-99页 |
| ·基于互三谱的算法 | 第99-100页 |
| ·基于二阶统计的频域盲分离算法 | 第100-103页 |
| ·算法描述 | 第100-101页 |
| ·计算机仿真 | 第101-103页 |
| ·本章小结 | 第103-107页 |
| 参考文献 | 第107-116页 |
| 攻读学位期间发表的与学位论文内容相关的学术论文 | 第116-117页 |
| 致谢 | 第117页 |