| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文创新点及结构安排 | 第14-16页 |
| 1.3.1 本文主要创新点 | 第14页 |
| 1.3.2 本文的结构安排 | 第14-16页 |
| 第二章 AIS信号混合模型及盲源分离经典算法 | 第16-29页 |
| 2.1 AIS信号的混合模型 | 第16-18页 |
| 2.2 盲源分离的经典算法 | 第18-25页 |
| 2.2.1 广义特征值分解法 | 第19-20页 |
| 2.2.2 最小化互信息算法 | 第20-21页 |
| 2.2.3 快速独立成分分析算法 | 第21-25页 |
| 2.3 仿真实验 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于双树复小波变换的单通道盲源分离算法 | 第29-41页 |
| 3.1 基于经典小波变换的单通道盲源分离算法 | 第29-31页 |
| 3.2 基于双树复小波变换的单通道盲源分离算法 | 第31-34页 |
| 3.2.1 双树复小波变换原理 | 第31-33页 |
| 3.2.2 基于双树复小波变换的单通道盲源分离算法 | 第33-34页 |
| 3.3 算法性能仿真实验 | 第34-40页 |
| 3.3.1 双树复小波分解的结束条件 | 第34-36页 |
| 3.3.2 仿真实验 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于提升Q-shift双树复小波变换的单通道盲源分离算法 | 第41-52页 |
| 4.1 Q-shift双树复小波变换和小波提升算法的基本原理 | 第41-44页 |
| 4.1.1 Q-shift双树复小波变换原理 | 第41-42页 |
| 4.1.2 小波提升算法原理 | 第42-44页 |
| 4.2 基于提升Q-shift双树复小波变换的单通道盲源分离算法 | 第44-48页 |
| 4.2.1 提升Q-shift双树复小波变换原理 | 第44-47页 |
| 4.2.2 基于提升Q-shift双树复小波变换的单通道盲源分离算法 | 第47-48页 |
| 4.3 算法性能仿真实验 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 基于双树复小波变换和EEMD的单通道盲源分离算法 | 第52-62页 |
| 5.1 基于经验模式分解的单通道盲源分离算法 | 第52-54页 |
| 5.2 基于双树复小波变换和EEMD的单通道盲源分离算法 | 第54-56页 |
| 5.2.1 基于极值点对称延拓法改进的EEMD | 第54-55页 |
| 5.2.2 基于双树复小波变换和EEMD的单通道盲源分离算法 | 第55-56页 |
| 5.3 算法性能仿真实验 | 第56-60页 |
| 5.3.1 基于EMD的单通道盲源分离算法的仿真实验 | 第56-58页 |
| 5.3.2 基于DTCWT和 EEMD的单通道盲源分离算法的仿真实验 | 第58-60页 |
| 5.4 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 发表论文和科研情况说明 | 第69-70页 |
| 致谢 | 第70页 |
