摘要 | 第1-7页 |
Abstract | 第7-12页 |
第一章 绪论 | 第12-24页 |
·引言 | 第12页 |
·独立成分分析问题的提出与历史回顾 | 第12-14页 |
·国内外研究概况 | 第14-20页 |
·线性ICA | 第14-17页 |
·非线性ICA | 第17-19页 |
·含噪ICA | 第19页 |
·欠定ICA | 第19-20页 |
·ICA 的应用领域 | 第20-22页 |
·本文的组织结构 | 第22-24页 |
第二章 基于梯度方程的自适应 ICA 算法 | 第24-52页 |
·引言 | 第24页 |
·基本ICA 模型及常用对比函数 | 第24-29页 |
·基本的ICA 模型 | 第24-26页 |
·常用的对比函数 | 第26-28页 |
·各对比函数的优缺点及其联系 | 第28-29页 |
·通过梯度方程求解ICA | 第29-36页 |
·梯度方程的导出 | 第30-31页 |
·梯度方程解的性质 | 第31-32页 |
·梯度方程的求解 | 第32-36页 |
·使用核密度方法来估计密度函数 | 第36-38页 |
·算法仿真及对比 | 第38-50页 |
·算法基本性能测试 | 第40-42页 |
·算法对不同类型源信号的分离性能测试 | 第42-50页 |
·关于求解梯度方程算法的讨论 | 第50页 |
·本章小结 | 第50-52页 |
第三章 基于改进核密度估计的自适应 ICA 算法 | 第52-64页 |
·引言 | 第52页 |
·标准核密度估计方法计算复杂度的简要分析 | 第52-53页 |
·使用改进的核密度方法估计概率密度函数及其一二阶导数 | 第53-56页 |
·算法仿真 | 第56-63页 |
·使用人工源信号 | 第57-60页 |
·使用声音信号作为源信号 | 第60页 |
·使用图片信号作为源信号 | 第60-62页 |
·平滑参数h 对分离结果的影响 | 第62-63页 |
·本章小结 | 第63-64页 |
第四章 使用估计方程求解 ICA | 第64-88页 |
·引言 | 第64页 |
·两种形式的自然梯度 | 第64-68页 |
·右乘型自然梯度 | 第65-67页 |
·左乘型自然梯度 | 第67-68页 |
·两种形式的相对梯度 | 第68-69页 |
·第一种类型的相对梯度 | 第68页 |
·第二种类型的相对梯度 | 第68-69页 |
·两种形式的估计方程及其求解 | 第69-70页 |
·仿真实验及对比 | 第70-86页 |
·人工源信号 | 第71-76页 |
·使用声音信号作为源 | 第76页 |
·使用图片作为源 | 第76-86页 |
·平滑参数h 对分离结果的影响 | 第86页 |
·本章小结 | 第86-88页 |
第五章 正交约束下的自适应定点 ICA 算法 | 第88-110页 |
·引言 | 第88页 |
·白化预处理 | 第88-90页 |
·预白化处理后对解混合矩阵的约束 | 第90-91页 |
·自适应定点ICA 算法 | 第91-97页 |
·定点ICA 算法的性能分析 | 第92-97页 |
·仿真实验 | 第97-101页 |
·使用人工源信号 | 第97-98页 |
·使用真实声音信号作为源 | 第98-100页 |
·使用图片作为源信号 | 第100页 |
·平滑参数h 对分离结果的影响 | 第100-101页 |
·定点ICA 算法的优点及局限性 | 第101-108页 |
·定点ICA 算法的优点 | 第101-104页 |
·定点ICA 算法的局限性 | 第104-108页 |
·本章小结 | 第108-110页 |
第六章 独立成分分析在语音与图像去噪中的应用 | 第110-124页 |
·引言 | 第110页 |
·稀疏编码及其去噪原理 | 第110-113页 |
·稀疏编码 | 第110-111页 |
·最大似然方法去噪原理 | 第111-113页 |
·使用ICA 得到稀疏编码 | 第113-115页 |
·一维信号的ICA 处理 | 第113-114页 |
·二维信号的ICA 处理 | 第114-115页 |
·仿真实验 | 第115-123页 |
·声音信号去噪实验 | 第116-120页 |
·图像信号去噪实验 | 第120-123页 |
·本章小结 | 第123-124页 |
第七章 全文总结与展望 | 第124-126页 |
·全文总结 | 第124-125页 |
·未来工作的展望 | 第125-126页 |
参考文献 | 第126-141页 |
攻读博士学位期间的研究成果 | 第141-143页 |
致谢 | 第143-144页 |
答辩决议书 | 第144页 |