摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第9-14页 |
1.1 研究背景及研究意义 | 第9-11页 |
1.1.1 AIS研究背景 | 第9-10页 |
1.1.2 课题研究意义 | 第10-11页 |
1.2 多通道盲信号分离的发展和研究现状 | 第11-12页 |
1.3 论文结构安排及创新点 | 第12-14页 |
1.3.1 论文的结构安排 | 第12-13页 |
1.3.2 论文创新点 | 第13-14页 |
第二章 多通道盲信号分离理论与技术 | 第14-26页 |
2.1 多通道盲信号分离模型 | 第14-15页 |
2.1.1 线性瞬时混合信号模型 | 第14页 |
2.1.2 卷积混合信号的模型 | 第14-15页 |
2.1.3 非线性混合信号模型 | 第15页 |
2.2 盲信号分离的约束条件和不确定性 | 第15-17页 |
2.2.1 盲信号分离的约束条件 | 第15-16页 |
2.2.2 盲信号分离的不确定性 | 第16-17页 |
2.3 分离准则 | 第17-21页 |
2.3.1 高阶累积量的准则 | 第17-18页 |
2.3.2 最小互信息量准则 | 第18-19页 |
2.3.3 信息极大化准则 | 第19-20页 |
2.3.4 非高斯最大化准则 | 第20-21页 |
2.3.5 极大似然准则 | 第21页 |
2.4 经典盲信号分离算法 | 第21-24页 |
2.4.1 快速ICA算法(FastICA) | 第21-22页 |
2.4.2 信息最大化算法(Infomax) | 第22-23页 |
2.4.3 联合对角化算法(JADE) | 第23-24页 |
2.5 评价准则 | 第24-25页 |
2.6 本章小结 | 第25-26页 |
第三章 基于二阶统计量的AIS信号盲提取 | 第26-40页 |
3.1 二阶盲辨识算法 | 第26-28页 |
3.2 基于累积相关量的AIS信号盲提取 | 第28-33页 |
3.2.1 累积自相关量及其特性 | 第28-31页 |
3.2.2 人工蜂群算法优化算法 | 第31-32页 |
3.2.3 消源法 | 第32-33页 |
3.2.4 算法流程 | 第33页 |
3.3 仿真分析 | 第33-38页 |
3.3.1 频偏对算法性能影响 | 第33-34页 |
3.3.2 累计步数对算法性能影响 | 第34-36页 |
3.3.3 不同优化算法性能比较 | 第36-37页 |
3.3.4 不同目标函数性能比较 | 第37页 |
3.3.5 不同盲分离算法性能比较 | 第37-38页 |
3.4 本章小结 | 第38-40页 |
第四章 基于噪声抑制的AIS复值FASTICA算法 | 第40-54页 |
4.1 基于FASTICA的复值盲信号分离算法 | 第40-44页 |
4.1.1 复数信号的峭度 | 第40-41页 |
4.1.2 复值峭度最大化算法 | 第41-42页 |
4.1.3 复值FastICA算法 | 第42-44页 |
4.2 基于增维噪声抑制的复值FASTICA算法 | 第44-49页 |
4.2.1 含噪复值FastICA算法 | 第44-46页 |
4.2.2 增维白化去噪 | 第46-48页 |
4.2.3 算法流程 | 第48-49页 |
4.3 仿真分析 | 第49-53页 |
4.4 本章小结 | 第53-54页 |
第五章 基于自适应步长的EASI复值AIS盲分离 | 第54-62页 |
5.1 EASI算法原理 | 第54-55页 |
5.2 基于自适应步长学习指数的EASI算法 | 第55-57页 |
5.3 仿真分析 | 第57-61页 |
5.4 本章小结 | 第61-62页 |
第六章 总结与展望 | 第62-64页 |
6.1 总结工作 | 第62页 |
6.2 展望 | 第62-64页 |
参考文献 | 第64-69页 |
发表论文和科研情况说明 | 第69-70页 |
致谢 | 第70页 |