基于动量项与双系统自适应组合的盲源分离算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8页 |
| ·盲源分离的发展历史及现状 | 第8-11页 |
| ·盲源分离技术的应用 | 第11-12页 |
| ·文章主要内容和结构安排 | 第12-13页 |
| ·小结 | 第13-14页 |
| 2 盲源分离基本理论 | 第14-33页 |
| ·盲源分离的混合模型 | 第14-17页 |
| ·线性瞬态混合分离模型 | 第14-15页 |
| ·线性卷积混合分离模型 | 第15-16页 |
| ·非线性混合分离模型 | 第16-17页 |
| ·盲源分离的特性 | 第17-19页 |
| ·混合信号的可分离性 | 第17-18页 |
| ·盲源分离的两种不确定性 | 第18-19页 |
| ·盲源分离的相关知识 | 第19-25页 |
| ·相关性、独立性、非高斯性 | 第19-20页 |
| ·信息熵 | 第20-23页 |
| ·互信息 | 第23页 |
| ·KL 散度 | 第23-24页 |
| ·负熵 | 第24-25页 |
| ·盲源分离的预处理 | 第25-26页 |
| ·信号的中心化 | 第25页 |
| ·信号的白化 | 第25-26页 |
| ·代价函数优化准则 | 第26-30页 |
| ·最小互信息准则 | 第27-28页 |
| ·联合对角化准则 | 第28页 |
| ·最大熵准则 | 第28-29页 |
| ·最大似然准则 | 第29-30页 |
| ·算法分离性能评价准则 | 第30-32页 |
| ·性能指标 | 第30-31页 |
| ·输出信噪比准则 | 第31页 |
| ·输出信号的均方误差 | 第31页 |
| ·相关系数 | 第31-32页 |
| ·小结 | 第32-33页 |
| 3 盲源分离算法 | 第33-46页 |
| ·批处理盲源分离算法 | 第33-38页 |
| ·四阶盲辨识算法 | 第33-34页 |
| ·扩展联合对角化算法 | 第34-35页 |
| ·固定点算法 | 第35-37页 |
| ·随机梯度 ICA 批处理算法 | 第37-38页 |
| ·自适应盲源分离算法 | 第38-45页 |
| ·最大信息化算法(Infomax) | 第39-41页 |
| ·EASI 算法 | 第41-43页 |
| ·基于最大信噪比的盲源分离算法 | 第43-45页 |
| ·小结 | 第45-46页 |
| 4 融入动量项的盲源分离算法 | 第46-66页 |
| ·自然梯度算法 | 第46-49页 |
| ·动量项自然梯度算法 | 第49-50页 |
| ·变动量因子盲源分离算法 | 第50-52页 |
| ·仿真实验及性能分析 | 第52-65页 |
| ·平稳环境下的仿真实验 | 第52-58页 |
| ·非平稳环境下的仿真实验 | 第58-65页 |
| ·小结 | 第65-66页 |
| 5 基于动量项与双系统自适应组合的自然梯度算法 | 第66-81页 |
| ·双变动量项系统自适应组合的自然梯度算法 | 第66-69页 |
| ·仿真实验及性能分析 | 第69-80页 |
| ·平稳环境下的仿真实验 | 第69-74页 |
| ·非平稳环境下的仿真实验 | 第74-80页 |
| ·小结 | 第80-81页 |
| 6 总结与展望 | 第81-83页 |
| ·总结 | 第81页 |
| ·展望 | 第81-83页 |
| 参考文献 | 第83-86页 |
| 致谢 | 第86-87页 |
| 附录[1]攻读硕士期间发表及录用的学术论文 | 第87-88页 |
