| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 盲源分离和时延估计的应用 | 第9-12页 |
| 1.2.1 盲源分离的应用 | 第9-10页 |
| 1.2.2 时延估计的应用 | 第10页 |
| 1.2.3 本文的研究内容以及组织结构 | 第10-12页 |
| 第二章 盲源分离的基本模型与算法 | 第12-21页 |
| 2.1 盲源分离的原理及数学模型 | 第12-15页 |
| 2.1.1 线性瞬时混合模型 | 第12-13页 |
| 2.1.2 线性卷积混合模型 | 第13-14页 |
| 2.1.3 非线性混合模型 | 第14页 |
| 2.1.4 盲源解混数学模型 | 第14-15页 |
| 2.2 盲源分离核心算法-ICA 算法 | 第15-19页 |
| 2.2.1 ICA 相关时域算法 | 第15-18页 |
| 2.2.2 FastICA 算法和 JADE 算法仿真对比及分析 | 第18-19页 |
| 2.3 卷积混合信号的频域盲源分离方法 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于麦克风阵列的时延估计 | 第21-30页 |
| 3.1 麦克风阵列信号的数学模型 | 第21-22页 |
| 3.2 时延估计的主要算法 | 第22-25页 |
| 3.2.1 高阶统计量的时延估计算法 | 第22-23页 |
| 3.2.2 最小均方（LMS）自适应时延估计算法 | 第23-24页 |
| 3.2.3 广义互相关时延估计算法 | 第24-25页 |
| 3.3 盲源语音信号时延估计算法研究 | 第25-29页 |
| 3.3.1 单源双麦克风的时延估计及仿真 | 第25-26页 |
| 3.3.2 正定的条件下的时延估计仿真 | 第26-27页 |
| 3.3.3 欠定条件下的时延估计仿真 | 第27-28页 |
| 3.3.4 源信号时延重合问题 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 两种通道盲源卷积混合模型相关性分析 | 第30-49页 |
| 4.1 衰减时延卷积混合信道模型的建立 | 第30页 |
| 4.2 衰减延时卷积模型相关性分析 | 第30-32页 |
| 4.2.1 衰减延时卷积模型下相关函数 | 第30-31页 |
| 4.2.2 衰减延时模型延时估计研究 | 第31-32页 |
| 4.3 动力学卷积混合信道模型 | 第32-33页 |
| 4.4 低阶动力学信道模型下相关性研究 | 第33-37页 |
| 4.4.1 低阶动力学信道模型下的相关函数 | 第33-36页 |
| 4.4.2 低阶动力学相关性验证与分析 | 第36-37页 |
| 4.5 高阶动力学信道模型下相关性研究 | 第37-47页 |
| 4.5.1 高阶动力学信道模型下相关函数推导 | 第37-40页 |
| 4.5.2 高阶动力学相关性验证与分析 | 第40-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第五章 总结和展望 | 第49-50页 |
| 5.1 本文总结 | 第49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 附录 A 攻读硕士期间参与的项目及发表的论文 | 第54-58页 |