时间相关源信号的盲分离问题研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题背景及意义 | 第9-10页 |
| ·盲源分离的研究现状 | 第10-11页 |
| ·论文结构 | 第11-13页 |
| 第2章 盲源分离的基本理论 | 第13-25页 |
| ·统计独立性与信息论 | 第13-15页 |
| ·统计独立性 | 第13页 |
| ·信息理论 | 第13-15页 |
| ·盲源分离的数学模型 | 第15-17页 |
| ·独立分量分析 | 第17-20页 |
| ·ICA的基本模型 | 第17-18页 |
| ·ICA的不确定性 | 第18页 |
| ·ICA算法的评价准则 | 第18-20页 |
| ·盲源分离的主要算法 | 第20-24页 |
| ·基于最大似然准则的 ICA算法 | 第20-21页 |
| ·基于信息最大化的 ICA算法 | 第21-22页 |
| ·非高斯最大化的ICA算法 | 第22-23页 |
| ·基于二阶统计量的方法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于二阶统计量盲源分离方法 | 第25-33页 |
| ·主分量分析 | 第25-28页 |
| ·主分量分析的基本性质 | 第25-26页 |
| ·Rayleigh商 | 第26-27页 |
| ·主分量分析的自适应学习算法 | 第27-28页 |
| ·预白化 | 第28-29页 |
| ·联合对角化 | 第29-32页 |
| ·问题的提出 | 第29-30页 |
| ·联合近似对角化技术 | 第30页 |
| ·稳健预白化 | 第30-32页 |
| ·二阶盲辨识 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第4章 时间相关源的盲提取 | 第33-45页 |
| ·盲信号提取 | 第33-36页 |
| ·固定点算法 | 第34-35页 |
| ·消减算法 | 第35-36页 |
| ·时间相关源的盲提取方法 | 第36-39页 |
| ·时间相关源模型 | 第37-38页 |
| ·基于线性预测的盲提取 | 第38-39页 |
| ·稳健的非平稳源盲提取算法 | 第39-44页 |
| ·非平稳源的盲分离 | 第40页 |
| ·稳健的非平稳源盲提取算法 | 第40-42页 |
| ·计算机仿真 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 人耳听觉模型在盲分离中的应用 | 第45-51页 |
| ·人耳听觉系统简介 | 第45-46页 |
| ·耳蜗模型 | 第46-47页 |
| ·听觉模型在盲分离算法中的应用 | 第47-50页 |
| ·Gammatone滤波器组 | 第47-48页 |
| ·内毛细胞模型 | 第48-49页 |
| ·听觉模型用于盲分离 | 第49页 |
| ·计算机仿真 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第58-59页 |
| 致谢 | 第59页 |
