摘要 | 第5-6页 |
Abstract | 第6-7页 |
1 绪论 | 第12-16页 |
1.1 课题研究的背景及意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-14页 |
1.2.1 国外研究现状 | 第13-14页 |
1.2.2 国内研究现状 | 第14页 |
1.3 本文主要内容安排 | 第14-16页 |
2 盲源分离基础理论 | 第16-22页 |
2.1 盲源分离系统模型 | 第16-17页 |
2.2 信号预处理 | 第17-18页 |
2.3 盲源分离判据 | 第18-20页 |
2.3.1 最小互信息 | 第18-19页 |
2.3.2 信息最大化 | 第19页 |
2.3.3 最大化非高斯 | 第19-20页 |
2.3.4 最大似然准则 | 第20页 |
2.4 分离性能评价指标 | 第20-21页 |
2.4.1 串音误差 | 第20页 |
2.4.2 相关系数 | 第20-21页 |
2.4.3 信噪比 | 第21页 |
2.4.4 均方根误差 | 第21页 |
2.5 本章小结 | 第21-22页 |
3 基于分离度和串音误差的变步长EASI)IVEASI(算法 | 第22-34页 |
3.1 传统EASI算法 | 第22-23页 |
3.2 基于串音误差的变步长EASI(VEASI(算法 | 第23页 |
3.3 基于分离度和串音误差的变步长EASI(IVEASI)算法 | 第23-26页 |
3.3.1 基于分离度的变步长 | 第23-24页 |
3.3.2 基于分离度和串音误差的变步长EASI)IVEASI(算法 | 第24-26页 |
3.4 算法仿真实验 | 第26-33页 |
3.4.1 分量能量差异大的源信号 | 第26-29页 |
3.4.2 全局矩阵为某些非行元素优势矩阵 | 第29-33页 |
3.5 本章小结 | 第33-34页 |
4 基于RW-MCSO算法的IVEASI算法 | 第34-46页 |
4.1 传统鸡群算法 | 第34-36页 |
4.2 基于随机权重的变异鸡群算法 | 第36-40页 |
4.2.1 变异鸡群优化算法 | 第36-37页 |
4.2.2 基于随机权重的变异鸡群算法 | 第37-38页 |
4.2.3 实验仿真结果分析 | 第38-40页 |
4.3 基于RW-MCSO算法的IVEASI算法 | 第40-41页 |
4.4 仿真实验与性能分析 | 第41-44页 |
4.5 本章小结 | 第44-46页 |
5 基于VMD的SC-BSS算法 | 第46-58页 |
5.1 经验模态分解 | 第46-48页 |
5.2 变分模态分解 | 第48-49页 |
5.3 基于VMD的SC-BSS算法 | 第49-50页 |
5.4 算法仿真实验 | 第50-56页 |
5.5 本章小结 | 第56-58页 |
6 总结与展望 | 第58-60页 |
6.1 总结 | 第58-59页 |
6.2 展望 | 第59-60页 |
参考文献 | 第60-66页 |
致谢 | 第66-68页 |
作者简介及读研期间主要科研成果 | 第68-69页 |