| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 线性混合盲源分离的国内外研究现状 | 第10-11页 |
| 1.2.2 卷积混合盲源分离的国内外研究现状 | 第11-13页 |
| 1.3 本文主要工作 | 第13页 |
| 1.4 本文内容安排 | 第13-15页 |
| 第2章 盲源分离和粒子群优化算法、模糊推理系统基本理论 | 第15-25页 |
| 2.1 线性混合盲源分离 | 第15-16页 |
| 2.1.1 数学模型 | 第15页 |
| 2.1.2 分离算法 | 第15-16页 |
| 2.2 卷积混合盲源分离 | 第16-19页 |
| 2.2.1 数学模型 | 第16-17页 |
| 2.2.2 分离算法 | 第17-19页 |
| 2.3 粒子群优化算法 | 第19-20页 |
| 2.3.1 基本理论 | 第19-20页 |
| 2.3.2 应用 | 第20页 |
| 2.4 模糊推理系统 | 第20-23页 |
| 2.4.1 模糊集 | 第20-21页 |
| 2.4.2 模糊规则 | 第21-22页 |
| 2.4.3 模糊推理 | 第22页 |
| 2.4.4 模糊推理系统处理流程 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 基于改进粒子群优化的分段在线线性混合盲源分离 | 第25-39页 |
| 3.1 分阶段分离 | 第25-27页 |
| 3.1.1 信号分离阶段 | 第25-26页 |
| 3.1.2 相关性指标 | 第26-27页 |
| 3.2 改进的粒子群优化算法 | 第27-28页 |
| 3.3 基于改进粒子群的分阶段在线盲源分离算法 | 第28-30页 |
| 3.3.1 非线性函数确定多维学习速率 | 第28页 |
| 3.3.2 算法描述 | 第28-30页 |
| 3.4 仿真实验 | 第30-37页 |
| 3.4.1 实验环境及评价指标 | 第30页 |
| 3.4.2 声源位置固定的实时盲源分离 | 第30-34页 |
| 3.4.3 声源位置变化的实时盲源分离 | 第34-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 基于模糊推理系统的在线卷积混合盲源分离 | 第39-55页 |
| 4.1 在线卷积混合盲源分离算法 | 第39-42页 |
| 4.1.1 基本在线卷积混合盲源分离算法 | 第39-41页 |
| 4.1.2 非完整性约束 | 第41页 |
| 4.1.3 归一化因子 | 第41-42页 |
| 4.2 基于模糊推理系统的在线实时卷积混合盲源分离 | 第42-48页 |
| 4.2.1 扩展学习速率 | 第42页 |
| 4.2.2 引入分离状态评估指标 | 第42-44页 |
| 4.2.3 建立模糊系统 | 第44-48页 |
| 4.3 仿真实验 | 第48-53页 |
| 4.3.1 实验环境及评价指标 | 第48-49页 |
| 4.3.2 256 点短时傅里叶变换 | 第49-51页 |
| 4.3.3 1024 点短时傅里叶变换 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 本文工作总结 | 第55-56页 |
| 5.2 未来工作展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 发表论文和参加科研情况说明 | 第63-65页 |
| 致谢 | 第65-66页 |
