盲信号处理及应用
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第一章 绪论 | 第10-20页 |
| ·研究背景和意义 | 第10-11页 |
| ·盲信号处理概述 | 第11-16页 |
| ·盲信号处理问题描述 | 第11-13页 |
| ·盲信号处理问题分类 | 第13-16页 |
| ·盲源分离的研究现状及发展趋势 | 第16-17页 |
| ·盲信号处理的方法 | 第17-20页 |
| ·基于高阶统计的方法 | 第17-18页 |
| ·基于信息理论的方法 | 第18-19页 |
| ·非线性盲源分离方法 | 第19-20页 |
| 第二章 主分量分析 | 第20-29页 |
| ·主分量分析 | 第20-22页 |
| ·主分量分析的概述 | 第20页 |
| ·主分量分析的基本原理 | 第20-21页 |
| ·主分量分析的计算步骤 | 第21-22页 |
| ·核主分量分析 | 第22-25页 |
| ·概述 | 第22-24页 |
| ·核主分量分析的原理 | 第24-25页 |
| ·核主分量的计算步骤 | 第25页 |
| ·PCA和KPCA的比较 | 第25-26页 |
| ·实验仿真 | 第26-29页 |
| 第三章 独立分量分析 | 第29-48页 |
| ·独立分量分析的概念 | 第29-31页 |
| ·信号的预处理 | 第31-33页 |
| ·信号的零均值化 | 第31页 |
| ·信号的白化 | 第31-33页 |
| ·FastICA算法 | 第33-40页 |
| ·基于最大信噪比的盲源分离算法 | 第40-45页 |
| ·自适应最大信噪比算法 | 第45-48页 |
| 第四章 非线性混合信号的BSS和ICA | 第48-57页 |
| ·非线性混合信号BSS和ICA的概念 | 第48-49页 |
| ·后置非线性混合模型的可分离性 | 第49-50页 |
| ·其他非线性混合的可分离性 | 第50-51页 |
| ·指数函数相乘性混合信号的可分离性 | 第50页 |
| ·加性混合信号的可分离性 | 第50-51页 |
| ·非线性混合信号转换为线性混合信号的盲分离步骤 | 第51页 |
| ·非线性混合信号的基本分离方法 | 第51-52页 |
| ·非线性混合信号的RBF神经网络盲源分离方法 | 第52-53页 |
| ·仿真实验 | 第53-57页 |
| 第五章 ICA算法在有噪图像盲分离中的应用 | 第57-62页 |
| ·引言 | 第57页 |
| ·去噪方法简介 | 第57页 |
| ·中值滤波 | 第57页 |
| ·均值滤波 | 第57页 |
| ·ICA去噪及仿真 | 第57-62页 |
| 总结与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士期间发表的论文 | 第67页 |
