| 摘要 | 第1-3页 |
| Abstract | 第3-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-14页 |
| ·盲源分离理论的研究意义和背景 | 第7-8页 |
| ·盲源分离理论的研究历史 | 第8-10页 |
| ·盲源分离理论的应用领域 | 第10-11页 |
| ·盲源分离理论的算法分类 | 第11-13页 |
| ·本文的主要工作和内容安排 | 第13-14页 |
| 2 盲源分离基本理论 | 第14-33页 |
| ·盲源分离理论的基本问题 | 第14-17页 |
| ·盲源分离问题的数学模型 | 第14-15页 |
| ·混合信号的可分离性 | 第15-16页 |
| ·盲源分离理论的不确定性问题 | 第16-17页 |
| ·盲源分离理论的数学基础 | 第17-27页 |
| ·独立性 | 第18-19页 |
| ·梯度和优化方法 | 第19-23页 |
| ·估计理论 | 第23-26页 |
| ·负熵 | 第26-27页 |
| ·数据的预处理 | 第27-30页 |
| ·中心化 | 第27-28页 |
| ·白化 | 第28-30页 |
| ·盲源分离性能的评价指标 | 第30-32页 |
| ·基于系统矩阵的评价指标 | 第30-31页 |
| ·基于信号的评价指标 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于非线性主分量分析的盲源分离算法 | 第33-48页 |
| ·非线性主分量分析的基本概念 | 第33-38页 |
| ·主分量的定义 | 第33-34页 |
| ·主分量的获取 | 第34-36页 |
| ·非线性主分量分析 | 第36-38页 |
| ·基于最小均方算法的非线性主分量分析 | 第38-43页 |
| ·LMS-NPCA 算法 | 第38-40页 |
| ·仿真性能分析 | 第40-43页 |
| ·基于最小递归二乘算法的非线性主分量分析 | 第43-45页 |
| ·RLS-NPCA 算法 | 第43页 |
| ·仿真性能分析 | 第43-45页 |
| ·LMS-NPCA 算法和 RLS-NPCA 算法比较 | 第45-47页 |
| ·两种算法的结构特征比较 | 第45-46页 |
| ·两种算法的仿真性能比较 | 第46-47页 |
| ·小结 | 第47-48页 |
| 4 优化动量因子的 LMS-NPCA 算法 | 第48-61页 |
| ·固定动量因子的 LMS-NPCA 算法 | 第48-52页 |
| ·动量项的定义 | 第48页 |
| ·MLMS-NPCA 算法 | 第48-49页 |
| ·仿真性能分析 | 第49-52页 |
| ·优化动量因子的 MLMS-NPCA 算法 | 第52-57页 |
| ·动量因子对算法性能的影响 | 第52-53页 |
| ·OMLMS-NPCA 算法设计 | 第53-55页 |
| ·仿真性能分析 | 第55-57页 |
| ·四种算法仿真性能比较 | 第57-59页 |
| ·小结 | 第59-61页 |
| 5 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-65页 |