| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题背景及研究意义 | 第10-11页 |
| ·独立分量分析的发展及趋势 | 第11-12页 |
| ·振动信号研究动态 | 第12页 |
| ·论文结构安排 | 第12-14页 |
| 第二章 独立分量分析的基本理论 | 第14-30页 |
| ·独立分量分析的基本原理 | 第14-17页 |
| ·盲源分离问题建模 | 第14-15页 |
| ·独立分量分析的限定条件 | 第15页 |
| ·ICA中的含混因素 | 第15-16页 |
| ·ICA的统计独立性 | 第16-17页 |
| ·主成分分析(Principal Component Analysis简称PCA) | 第17-21页 |
| ·预处理 | 第17-18页 |
| ·PCA降维的基本原理 | 第18-20页 |
| ·PCA与ICA的关系 | 第20-21页 |
| ·基本ICA方法理论 | 第21-29页 |
| ·极大似然估计的ICA估计方法 | 第21-23页 |
| ·最小互信息原理的ICA估计方法 | 第23-26页 |
| ·非高斯最大化的ICA估计方法 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于峭度的FASTICA算法的振动信号分离与降噪 | 第30-39页 |
| ·基于峭度的快速定点算法 | 第30-32页 |
| ·峭度 | 第30-31页 |
| ·基于峭度的快速定点算法 | 第31-32页 |
| ·在信号分离中的应用 | 第32-34页 |
| ·在语音信号分离中的应用 | 第32-33页 |
| ·在振源信号分离中的应用 | 第33-34页 |
| ·在振源信号降噪中的应用 | 第34-38页 |
| ·概述 | 第34-35页 |
| ·在振源信号降噪中的应用 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于超定问题的ICA振源识别与降噪 | 第39-52页 |
| ·概述 | 第39页 |
| ·基于奇异值分解的未知信号源数目的估计 | 第39-42页 |
| ·无噪声时信号源数目的估计 | 第39-40页 |
| ·有噪声时信号源数目的估计 | 第40-41页 |
| ·基于奇异值分解的算法 | 第41-42页 |
| ·在振源识别中的应用 | 第42-49页 |
| ·仿真实验及其结果 | 第42-49页 |
| ·ICA新方法及其在盲信号分离中应用 | 第49-51页 |
| ·JADE盲信号分离算法 | 第49-50页 |
| ·仿真实验及结果 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·全文工作总结 | 第52页 |
| ·本课题今后研究方向的预测和展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间发表的论文 | 第59-60页 |
| 致谢 | 第60页 |