| 目录 | 第1-6页 |
| CONTENTS | 第6-8页 |
| 摘要 | 第8-10页 |
| Abstract | 第10-12页 |
| 第一章 独立成分分析综述 | 第12-17页 |
| ·独立成分分析(ICA)的历史 | 第12-13页 |
| ·ICA的应用 | 第13-14页 |
| ·现有ICA方法的适用范围和不足 | 第14-15页 |
| ·本文的目标和安排 | 第15-17页 |
| ·本文的目标 | 第15页 |
| ·本文的安排 | 第15-17页 |
| 第二章 独立成分分析(ICA) | 第17-31页 |
| ·预备知识 | 第17-23页 |
| ·仙农信息熵(Shannon's Information Entropy) | 第17-22页 |
| ·负熵(NegEntropy) | 第22-23页 |
| ·ICA的数学描述 | 第23-26页 |
| ·ICA的传统方法 | 第26-28页 |
| ·Fast-ICA算法 | 第28-31页 |
| 第三章 基于L_1-模的独立成分分析(S-ICA) | 第31-42页 |
| ·Copula简介 | 第31-36页 |
| ·S-ICA算法介绍 | 第36-42页 |
| ·Schweizer-Wolff's σ的估计 | 第36-38页 |
| ·最速降线法简介 | 第38页 |
| ·S-ICA算法流程 | 第38-42页 |
| 第四章 S-ICA与Fast-ICA的模拟与比较 | 第42-51页 |
| ·实例模拟的总体方案 | 第42页 |
| ·S-ICA方法应用的一个实例 | 第42-43页 |
| ·S-ICA方法与Fast-ICA方法在正弦信号降噪中的比较 | 第43-44页 |
| ·S-ICA方法与Fast-ICA方法在语音信号分解中的比较 | 第44-47页 |
| ·S-ICA方法与Fast-ICA方法在图像信号分解中的比较 | 第47页 |
| ·两种方法参数估计结果的比较 | 第47-49页 |
| ·两种方法对奇异点的稳健性比较 | 第49-51页 |
| 第五章 本文主要结论 | 第51-52页 |
| 参考文献 | 第52-60页 |
| 致谢 | 第60-61页 |
| 学位论文评阅及答辩情况表 | 第61页 |
