盲源分离算法在通信系统中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·背景意义 | 第7-8页 |
| ·盲源分离问题描述 | 第8-9页 |
| ·发展历史及现状 | 第9-10页 |
| ·本文主要内容与结构 | 第10-13页 |
| 第二章 盲源分离理论 | 第13-23页 |
| ·盲源信号分离与独立分量分析的关系 | 第13页 |
| ·基础知识 | 第13-15页 |
| ·高阶累计量 | 第13-14页 |
| ·Kullback-Leibler散度 | 第14-15页 |
| ·互信息 | 第15页 |
| ·负熵 | 第15页 |
| ·盲源信号分离算法的分类 | 第15-18页 |
| ·根据BSS所用的统计信息分类 | 第16-17页 |
| ·根据BSS数学原理分类 | 第17-18页 |
| ·其它问题 | 第18-23页 |
| ·盲分离的两类不确定性 | 第18-19页 |
| ·性能指标ISR | 第19-20页 |
| ·信号源个数的估计 | 第20-21页 |
| ·处理信号的分类 | 第21页 |
| ·信号预处理 | 第21-23页 |
| 第三章 盲源分离算法 | 第23-45页 |
| ·盲源分离中常见的几种典型代价函数 | 第23-29页 |
| ·基于信息理论的方法 | 第23-27页 |
| ·基于信息最大化(Imfomax)的ICA算法 | 第23-24页 |
| ·基于最小互信息(MMI)的ICA算法 | 第24-25页 |
| ·基于极大似然估计(MLE)的ICA算法 | 第25-26页 |
| ·基于信息理论方法的几种代价函数的关系 | 第26-27页 |
| ·基于高阶统计量的方法 | 第27-29页 |
| ·盲源分离的几种典型的学习算法 | 第29-45页 |
| ·随机梯度学习算法 | 第29-30页 |
| ·自然梯度学习算法 | 第30-32页 |
| ·固定点算法 | 第32-36页 |
| ·EASI算法 | 第36-38页 |
| ·非线性PCA算法 | 第38-40页 |
| ·互累积量迫零算法 | 第40-45页 |
| 第四章 复数盲分离算法 | 第45-53页 |
| ·阵列天线模型 | 第45-46页 |
| ·复数域固定点算法 | 第46-50页 |
| ·代价函数 | 第46-47页 |
| ·复数固定点算法 | 第47-48页 |
| ·算法仿真 | 第48-50页 |
| ·改进的复信号盲分离算法及性能仿真 | 第50-53页 |
| ·改进的自然梯度法 | 第50-51页 |
| ·改进的双梯度法 | 第51-52页 |
| ·改进的EASI算法 | 第52页 |
| ·几种复数算法总结 | 第52-53页 |
| 第五章 自适应盲源分离算法 | 第53-59页 |
| ·广义EASI算法 | 第53-57页 |
| ·广义自然梯度方法得稳健ICA算法推导 | 第53-55页 |
| ·解相关算法 | 第55页 |
| ·适用于实时算法的广义EASI算法 | 第55-56页 |
| ·广义EASI算法单样本实时信号分离仿真 | 第56-57页 |
| ·批处理算法平滑窗口法实现信号的实时分离实现 | 第57-59页 |
| ·平滑窗口法实现批处理算法实时处理思想 | 第57-58页 |
| ·EASI算法平滑窗时变信号分离仿真 | 第58-59页 |
| 第六章 有噪声数据的盲分离处理 | 第59-63页 |
| ·白化处理中噪声数据的去偏置原理 | 第59-60页 |
| ·稳健的预白化－批处理算法 | 第60页 |
| ·通过去偏置自适应白化改进EASI算法 | 第60-63页 |
| 结束语 | 第63-65页 |
| 1.论文主要工作 | 第63页 |
| 2.展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 作者在读期间的研究成果 | 第70-71页 |
