| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 绪论 | 第9-17页 |
| ·盲分离及自然梯度算法的研究背景及意义 | 第9-10页 |
| ·盲源分离的研究和发展现状 | 第10-13页 |
| ·自然梯度算法的研究现状和发展趋势 | 第13-17页 |
| 2. 盲分离和自然梯度算法的基本理论 | 第17-39页 |
| ·统计特性的基础知识 | 第17-24页 |
| ·熵(Entropy) | 第17-20页 |
| ·K-L(Kullback-Leibler)散度 | 第20-21页 |
| ·互信息(Mutual Information,MI) | 第21-22页 |
| ·负熵(Neg-entropy,N) | 第22-24页 |
| ·盲源信号分离的基本原理及其模型 | 第24-26页 |
| ·独立分量分析 | 第26-34页 |
| ·独立分量分析的限制条件 | 第26-28页 |
| ·独立分量分析的算法 | 第28-34页 |
| ·信号的预处理 | 第34-36页 |
| ·去均值 | 第34-35页 |
| ·白化 | 第35-36页 |
| ·判别信号分离的指标 | 第36-39页 |
| ·串音误差 | 第36-37页 |
| ·相关系数 | 第37页 |
| ·输出信噪比 | 第37-39页 |
| 3. 改进的自然梯度算法研究 | 第39-54页 |
| ·自然梯度算法相关理论 | 第39-44页 |
| ·自然梯度算法的概念 | 第39-41页 |
| ·梯度算法 | 第41-44页 |
| ·基于动量因子的自然梯度改进算法 | 第44-47页 |
| ·自然梯度的优化算法 | 第44-46页 |
| ·改进的自然梯度算法 | 第46-47页 |
| ·仿真及结果 | 第47-54页 |
| ·改进自然梯度算法的实验仿真步骤 | 第48页 |
| ·实验仿真 | 第48-54页 |
| 4. 改进算法的应用 | 第54-69页 |
| ·改进算法在语音分离中的应用 | 第54-61页 |
| ·语音混合问题 | 第54-56页 |
| ·实验仿真与分析 | 第56-61页 |
| ·改进算法应用于图像的去噪 | 第61-69页 |
| ·噪声的表示方法以及分类 | 第61-63页 |
| ·现有图像去噪方法回顾 | 第63页 |
| ·实验的仿真与分析 | 第63-69页 |
| 5. 总结与展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 附录 攻读学位期间发表论文目录 | 第76-77页 |
| 后记 | 第77-78页 |