| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·论文的选题背景及意义 | 第9-10页 |
| ·国内外发展概况 | 第10-11页 |
| ·故障诊断的发展概况 | 第10页 |
| ·盲源分离技术发展概况 | 第10-11页 |
| ·系统的基本框架 | 第11-12页 |
| ·本文的主要内容 | 第12-13页 |
| 第二章 汽车声频信号的分析及采集 | 第13-18页 |
| ·汽车声频信号的特征 | 第13-14页 |
| ·声信号的产生与分类 | 第13页 |
| ·声信号的传播特性 | 第13-14页 |
| ·汽车声频信号产生机理 | 第14-15页 |
| ·汽车声场特点 | 第15页 |
| ·室外环境下影响测试精度的主要因素 | 第15-16页 |
| ·气象条件的影响 | 第15-16页 |
| ·反射面的影响 | 第16页 |
| ·采样频率的影响 | 第16页 |
| ·道路环境的影响 | 第16页 |
| ·汽车声频信号的采集 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 盲源分离技术 | 第18-37页 |
| ·盲信号处理概述:问题与应用 | 第18-21页 |
| ·盲信号分离的发展及研究现状 | 第18-20页 |
| ·盲信号分离的应用背景 | 第20-21页 |
| ·盲信号分离的基本理论 | 第21-24页 |
| ·解线性代数方程及相关问题 | 第22-23页 |
| ·可分离性 | 第23-24页 |
| ·不可辨识性 | 第24页 |
| ·独立分量分析(ICA)分离算法 | 第24-34页 |
| ·自然梯度算法应用于ICA | 第24-27页 |
| ·最大似然估计(MLE—Maximum Likelihood Estimation)算法 | 第27-28页 |
| ·信息最大化(Inromax)算法 | 第28-30页 |
| ·最小化互信息(MMI—Minimum Mutual Information)算法 | 第30-31页 |
| ·负熵最大化(NM)的ICA算法 | 第31-32页 |
| ·基于高阶统计理论的ICA算法 | 第32-34页 |
| ·非线性情况下的盲分离算法 | 第34-36页 |
| ·自组织映射法(SOM) | 第35页 |
| ·信息后向传播算法 | 第35页 |
| ·后非线性盲分离算法 | 第35-36页 |
| ·贝叶斯集合学习算法 | 第36页 |
| ·基于遗传算法的盲分离方法 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第四章 车辆声频信号抽取与单信号还原 | 第37-52页 |
| ·盲信号抽取方法的特点 | 第37页 |
| ·使用峭度作为代价函数的学习算法 | 第37-38页 |
| ·改进的盲信号顺序抽取实时处理算法 | 第38-42页 |
| ·信号的预白化 | 第40页 |
| ·对W1的学习 | 第40-41页 |
| ·对(W|~)_1的学习 | 第41-42页 |
| ·实验设计与分析 | 第42-51页 |
| ·实验分析 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第五章 结论与展望 | 第52-54页 |
| ·结论 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |