| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 课题的研究现状 | 第10-12页 |
| 1.2.1 盲源分离研究现状 | 第10页 |
| 1.2.2 稀疏表示理论研究现状 | 第10-12页 |
| 1.3 研究内容和主要工作 | 第12-13页 |
| 2 盲源分离理论及稀疏表示方法 | 第13-24页 |
| 2.1 盲源分离基本理论 | 第13-15页 |
| 2.1.1 盲源分离数学模型 | 第13页 |
| 2.1.2 盲源分离问题先验假设 | 第13-14页 |
| 2.1.3 欠定盲源分离数学模型 | 第14-15页 |
| 2.2 稀疏表示理论 | 第15-20页 |
| 2.2.1 稀疏表示数学模型 | 第15页 |
| 2.2.2 稀疏表示的求解算法 | 第15-18页 |
| 2.2.3 过完备字典的构造 | 第18-20页 |
| 2.3 基于稀疏表示的盲源分离方法 | 第20-22页 |
| 2.3.1 混合矩阵估计 | 第20-21页 |
| 2.3.2 源信号估计 | 第21-22页 |
| 2.4 算法性能评价指标 | 第22-23页 |
| 2.4.1 混合矩阵估计评价指标 | 第22-23页 |
| 2.4.2 源信号估计评价指标 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 基于GASA-FCM与霍夫变换的混合矩阵估计 | 第24-41页 |
| 3.1 模糊C均值聚类算法 | 第24-26页 |
| 3.2 GASA-FCM混合聚类算法 | 第26-32页 |
| 3.2.1 遗传算法 | 第26-27页 |
| 3.2.2 模拟退火算法 | 第27-29页 |
| 3.2.3 遗传模拟退火算法(GASA) | 第29-30页 |
| 3.2.4 基于遗传模拟退火优化的FCM算法 | 第30-32页 |
| 3.3 霍夫变换修正聚类中心 | 第32-33页 |
| 3.4 基于GASA-FCM与霍夫变换的混合矩阵估计 | 第33页 |
| 3.5 实验仿真 | 第33-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 基于DSKSVD字典学习的源信号估计 | 第41-56页 |
| 4.1 字典学习算法 | 第41-45页 |
| 4.1.1 KSVD字典学习算法 | 第41-42页 |
| 4.1.2 Online字典学习算法 | 第42-43页 |
| 4.1.3 DSKSVD字典学习算法 | 第43-45页 |
| 4.2 信号重构理论 | 第45-48页 |
| 4.2.1 压缩感知重构模型 | 第45-46页 |
| 4.2.2 正交匹配追踪重构算法 | 第46-48页 |
| 4.3 基于DSKSVD字典学习的源信号估计 | 第48页 |
| 4.4 实验仿真 | 第48-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 论文工作总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间的研究成果 | 第62页 |