| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-22页 |
| ·盲信号分离概述 | 第10-11页 |
| ·盲信号分离的研究意义 | 第11-14页 |
| ·盲信号分离的发展历史与研究现状 | 第14-20页 |
| ·盲信号分离技术的发展历史 | 第14-16页 |
| ·盲信号分离问题的研究现状 | 第16-20页 |
| ·论文内容简介 | 第20-22页 |
| 第二章 两种自适应适定盲信号分离方法 | 第22-39页 |
| ·模型描述 | 第22-23页 |
| ·基于动量项技术的盲信号分离 | 第23-32页 |
| ·基于互信息准则的代价函数 | 第23-24页 |
| ·基于动量项的 BSS 自适应算法 | 第24-27页 |
| ·基于 G-C 展式的评价函数 | 第27-28页 |
| ·算法仿真 | 第28-31页 |
| ·小结 | 第31-32页 |
| ·基于共轭梯度算法的盲信号分离 | 第32-39页 |
| ·共轭梯度学习算法 | 第32-34页 |
| ·评价函数的核密度估计 | 第34-35页 |
| ·算法仿真 | 第35-38页 |
| ·小结 | 第38-39页 |
| 第三章 基于共轭梯度的超定盲信号分离方法 | 第39-46页 |
| ·模型描述 | 第39-40页 |
| ·超定盲信号分离代价函数 | 第40-41页 |
| ·超定盲信号分离学习算法 | 第41-42页 |
| ·算法仿真 | 第42-45页 |
| ·小结 | 第45-46页 |
| 第四章 基于局部平均分解的欠定盲信号分离方法 | 第46-59页 |
| ·局部平均分解算法 | 第46-48页 |
| ·基于 LMD 的欠定盲信号分离算法 | 第48-51页 |
| ·欠定混合信号预处理 | 第49-50页 |
| ·基于二阶统计信息的盲信号分离算法 | 第50页 |
| ·基于稳定 Frobenius 范数约束的 ICA 分离算法 | 第50-51页 |
| ·算法仿真 | 第51-57页 |
| ·小结 | 第57-59页 |
| 第五章 基于三层感知器的非线性盲信号分离方法 | 第59-70页 |
| ·模型描述 | 第59-60页 |
| ·非线性盲信号分离代价函数 | 第60-61页 |
| ·非线性盲信号分离学习算法 | 第61-64页 |
| ·非线性变换函数的选取 | 第64-65页 |
| ·算法仿真 | 第65-69页 |
| ·小结 | 第69-70页 |
| 第六章 卷积混合模型下的盲信号分离 | 第70-79页 |
| ·模型描述 | 第70-71页 |
| ·卷积混合盲信号分离模型变换 | 第71-72页 |
| ·带约束的联合对角化盲分离算法 | 第72-75页 |
| ·算法仿真 | 第75-78页 |
| ·小结 | 第78-79页 |
| 第七章 总结与展望 | 第79-82页 |
| ·总结 | 第79-80页 |
| ·展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-91页 |
| 附录：作者在攻读博士学位期间发表的论文 | 第91页 |