基于独立分量分析的盲信号分离算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-13页 |
| ·盲信号分离的研究进展 | 第13-14页 |
| ·ICA的应用 | 第14-15页 |
| ·本文主要工作与内容安排 | 第15-17页 |
| 第2章 独立分量分析基本理论 | 第17-35页 |
| ·ICA的数学模型 | 第17-19页 |
| ·线形瞬时混合模型 | 第17-18页 |
| ·线性卷积混合模型 | 第18-19页 |
| ·ICA问题的求解 | 第19-22页 |
| ·可解性与不确定性 | 第20-21页 |
| ·独立性 | 第21-22页 |
| ·ICA的目标函数 | 第22-25页 |
| ·ICA的学习算法 | 第25-30页 |
| ·H-J算法 | 第25-26页 |
| ·自然梯度与相对梯度 | 第26-27页 |
| ·最大熵算法 | 第27-29页 |
| ·快速算法 | 第29-30页 |
| ·ICA算法性能比较 | 第30-34页 |
| ·衡量ICA分离性能的指标 | 第30页 |
| ·仿真实验 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 ICA的数据预处理 | 第35-41页 |
| ·ICA预处理方法 | 第35-37页 |
| ·中心化 | 第35页 |
| ·白化预处理 | 第35-37页 |
| ·白化前后的信号相关性仿真 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 对FastICA算法的改进 | 第41-59页 |
| ·FastICA算法 | 第41-43页 |
| ·FastICA算法原理 | 第41-42页 |
| ·FastICA算法的实现步骤 | 第42-43页 |
| ·基于负熵的FastICA算法的改进 | 第43-51页 |
| ·算法改进的思想 | 第43-44页 |
| ·算法收敛性的改进 | 第44-46页 |
| ·松弛因子对初始值敏感性的改进 | 第46-48页 |
| ·算法仿真实验 | 第48-51页 |
| ·基于四阶累积量的FastICA算法改进 | 第51-57页 |
| ·四阶累积量判据 | 第51-53页 |
| ·算法的改进 | 第53-54页 |
| ·算法仿真实验 | 第54-57页 |
| ·本章小结 | 第57-59页 |
| 第5章 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 攻读硕士学位期间发表的论文 | 第69页 |
