复杂混叠声信号的盲分离方法及其应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·本课题的研究背景及意义 | 第11-12页 |
| ·盲源分离的发展历史和研究现状 | 第12-14页 |
| ·盲分离在声信号处理中的发展概况 | 第14-16页 |
| ·本文的主要研究内容 | 第16-17页 |
| 第二章 盲源分离的理论及算法改进 | 第17-34页 |
| ·盲源分离问题描述 | 第17-18页 |
| ·盲源分离的基本假设和不确定性 | 第18-19页 |
| ·盲源分离的基本假设 | 第18-19页 |
| ·盲源分离的不确定性 | 第19页 |
| ·预处理 | 第19-21页 |
| ·信号的零均值化 | 第19-20页 |
| ·信号的白化 | 第20-21页 |
| ·盲源分离算法的独立性判据 | 第21-23页 |
| ·基于非高斯测度的 ICA 独立性判据 | 第22-23页 |
| ·基于互信息准则的 ICA 独立性判据 | 第23页 |
| ·典型算法 | 第23-28页 |
| ·联合近似对角化算法 | 第23-25页 |
| ·快速独立分量分析算法 | 第25-26页 |
| ·等变量自适应分离方法 | 第26-28页 |
| ·信息最大化(Infomax)算法 | 第28页 |
| ·改进算法 | 第28-32页 |
| ·基于峭度的盲分离算法 | 第28-29页 |
| ·改进的双梯度算法 | 第29-30页 |
| ·仿真实验 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 相关信号源盲分离 | 第34-49页 |
| ·统计独立性与不相关性 | 第34页 |
| ·传统盲分离算法应用于相关源分离的不确定性分析 | 第34-38页 |
| ·理论分析 | 第35-36页 |
| ·仿真分析 | 第36-38页 |
| ·基于子带分解的盲分离算法 | 第38-44页 |
| ·子带分解盲分离原理 | 第38-40页 |
| ·仿真分析 | 第40-44页 |
| ·基于小波包滤波的子带分解盲分离方法 | 第44-48页 |
| ·小波包滤波算法 | 第44-45页 |
| ·基于小波包滤波子带分解盲分离算法实现过程 | 第45-46页 |
| ·算法仿真与对比分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 复杂环境下混叠声音信号分离试验研究 | 第49-61页 |
| ·人工混合声信号盲源分离试验 | 第49-54页 |
| ·实验目的 | 第49页 |
| ·实验步骤 | 第49-50页 |
| ·典型算法分离结果 | 第50-52页 |
| ·性能指标及分离结果对比分析 | 第52-54页 |
| ·舱内相关性声信号盲分离试验 | 第54-57页 |
| ·试验考虑因素及方案 | 第54-55页 |
| ·试验方案框图 | 第55-56页 |
| ·实验数据与结果分析 | 第56-57页 |
| ·实测噪声环境下舱内混叠声信号盲分离试验 | 第57-59页 |
| ·实验方案框图 | 第57-58页 |
| ·实验数据与结果分析 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·本文的主要工作 | 第61页 |
| ·课题展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 在学期间的研究成果及发表的学术论文 | 第69页 |
