| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外发展现状 | 第10-13页 |
| 1.2.1 水声信号盲分离的研究现状 | 第10-12页 |
| 1.2.2 时频分析的研究现状 | 第12-13页 |
| 1.3 盲源分离算法 | 第13-15页 |
| 1.4 算法的评价指标 | 第15-16页 |
| 1.5 课题主要研究内容 | 第16-18页 |
| 第2章 基于双线性时频变换的盲分离算法 | 第18-33页 |
| 2.1 声压基阵接收信号模型 | 第18-19页 |
| 2.2 Cohen类双线性时频分析 | 第19-23页 |
| 2.2.1 维格纳-威尔分布 | 第19-20页 |
| 2.2.2 交叉项抑制 | 第20-23页 |
| 2.3 基于双线性变换的时频盲分离方法 | 第23-27页 |
| 2.3.1 盲源分离的假设 | 第23-24页 |
| 2.3.2 预处理 | 第24页 |
| 2.3.3 时频变换 | 第24-26页 |
| 2.3.4 联合对角化 | 第26页 |
| 2.3.5 基于双线性时频变换的盲分离算法 | 第26-27页 |
| 2.4 仿真实验 | 第27-32页 |
| 2.4.1 混有高低频余弦分量的LFM盲分离 | 第27-30页 |
| 2.4.2 实测非平稳信号盲分离 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于线性时频分析的盲分离算法 | 第33-50页 |
| 3.1 线性时频分析方法 | 第33-40页 |
| 3.1.1 短时傅里叶变换 | 第33-35页 |
| 3.1.2 小波变换 | 第35-36页 |
| 3.1.3 S变换 | 第36-40页 |
| 3.2 线性时频比 | 第40-42页 |
| 3.3 基于线性时频分析的盲分离 | 第42-43页 |
| 3.4 算法处理非平稳水声信号的能力 | 第43-48页 |
| 3.4.1 算法对混有高低频余弦分量的LFM信号处理能力 | 第43-45页 |
| 3.4.2 算法对噪声污染的LFM信号处理能力 | 第45-47页 |
| 3.4.3 算法对实际非平稳信号的处理能力 | 第47-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第4章 基于Hilbert-Huang变换的盲分离算法 | 第50-69页 |
| 4.1 Hilbert-Huang变换的基本理论 | 第50-54页 |
| 4.1.1 解析信号 | 第50-51页 |
| 4.1.2 瞬时频率 | 第51-54页 |
| 4.1.3 特征时间尺度 | 第54页 |
| 4.2 Hilbert-Huang变换原理 | 第54-60页 |
| 4.2.1 本征模态函数 | 第55页 |
| 4.2.2 经验模态分解 | 第55-58页 |
| 4.2.3 Hilbert谱 | 第58-60页 |
| 4.3 基于Hilbert-Huang变换的盲分离算法 | 第60-62页 |
| 4.4 仿真实验 | 第62-68页 |
| 4.4.1 算法对单分量混合信号的处理能力 | 第62-65页 |
| 4.4.2 算法对混合LFM信号的处理能力 | 第65-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第5章 矢量水听器的盲分离 | 第69-75页 |
| 5.1 引言 | 第69页 |
| 5.2 矢量水听器模型 | 第69-70页 |
| 5.3 单矢量水声信号盲分离 | 第70-73页 |
| 5.3.1 基于双线性时频分析的盲信号分离 | 第71页 |
| 5.3.2 基于线性时频分析的盲信号分离 | 第71-72页 |
| 5.3.3 基于HHT时频分析的盲信号分离 | 第72-73页 |
| 5.4 本章小结 | 第73-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学期间发表的论文及其他成果 | 第82-84页 |
| 致谢 | 第84页 |
