基于萤火虫算法的语音信号盲源分离研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 盲源分离的研究意义 | 第9页 |
| 1.2 盲源分离的发展现状 | 第9-11页 |
| 1.3 盲源分离的应用 | 第11-12页 |
| 1.4 本文研究内容和结构安排 | 第12-13页 |
| 2 盲源分离理论 | 第13-31页 |
| 2.1 盲源分离的基本问题 | 第13-15页 |
| 2.1.1 盲源分离的数学模型 | 第13-14页 |
| 2.1.2 假设条件及不确定性 | 第14-15页 |
| 2.2 独立性判据 | 第15-18页 |
| 2.2.1 峭度最大化 | 第15-16页 |
| 2.2.2 负熵最大化 | 第16-17页 |
| 2.2.3 互信息最小化 | 第17-18页 |
| 2.3 盲源问题前期预处理 | 第18-19页 |
| 2.3.1 去均值 | 第18-19页 |
| 2.3.2 白化 | 第19页 |
| 2.4 经典的盲源分离算法 | 第19-28页 |
| 2.4.1 自然梯度算法 | 第20-22页 |
| 2.4.2 FastICA算法 | 第22-25页 |
| 2.4.3 JADE算法 | 第25-28页 |
| 2.5 盲源分离算法的性能评判 | 第28-30页 |
| 2.5.1 主观定性评价方法 | 第28页 |
| 2.5.2 客观定量评价方法 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 3 基于标准萤火虫算法的盲源分离 | 第31-42页 |
| 3.1 标准萤火虫算法 | 第31-34页 |
| 3.1.1 标准萤火虫算法原理 | 第31页 |
| 3.1.2 标准萤火虫算法的描述 | 第31-34页 |
| 3.1.3 标准萤火虫算法特点 | 第34页 |
| 3.2 基于标准萤火虫算法的盲源分离算法 | 第34-41页 |
| 3.2.1 算法的原理与分析 | 第34-36页 |
| 3.2.2 算法的主要步骤 | 第36-37页 |
| 3.2.3 算法仿真与分析 | 第37-41页 |
| 3.3 本章小结 | 第41-42页 |
| 4 基于改进分簇策略萤火虫算法的盲源分离 | 第42-58页 |
| 4.1 萤火虫算法的改进方法 | 第42页 |
| 4.2 分簇策略萤火虫算法 | 第42-48页 |
| 4.2.1 萤火虫种群分簇策略 | 第42-44页 |
| 4.2.2 邻域极值的粒子群算法更新策略 | 第44-45页 |
| 4.2.3 柯西分布的全局最优个体位移更新 | 第45-47页 |
| 4.2.4 算法的基本流程 | 第47-48页 |
| 4.3 改进分簇策略萤火虫算法 | 第48-52页 |
| 4.3.1 柯西变异增强多样性策略 | 第49-50页 |
| 4.3.2 邻居策略 | 第50-51页 |
| 4.3.3 算法的基本流程 | 第51-52页 |
| 4.4 基于改进分簇策略萤火虫算法的盲源分离算法 | 第52-57页 |
| 4.4.1 算法的基本原理 | 第52-53页 |
| 4.4.2 算法的主要步骤 | 第53-54页 |
| 4.4.3 算法的仿真与分析 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读学位期间的研究成果 | 第63页 |
