基于二阶矩的ICA算法设计与提升
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 研究的背景和意义 | 第13页 |
| 1.2 独立成分分析技术的发展及研究现状 | 第13-15页 |
| 1.3 独立成分分析技术的应用 | 第15-16页 |
| 1.4 独立成分分析的基本理论 | 第16-18页 |
| 1.4.1 独立成分分析的基本模型 | 第16-17页 |
| 1.4.2 独立成分分析的不确定性 | 第17页 |
| 1.4.3 独立成分分析的假设 | 第17-18页 |
| 1.5 独立成分分析的基本方法 | 第18-26页 |
| 1.5.1 信号的预处理 | 第18-19页 |
| 1.5.2 目标函数 | 第19-22页 |
| 1.5.3 优化理论算法 | 第22-26页 |
| 1.6 本文结构安排 | 第26-27页 |
| 第二章 基于二阶矩方法的ICA算法 | 第27-35页 |
| 2.1 二阶矩方法综述 | 第27-28页 |
| 2.2 独立成分分析的二阶矩方法 | 第28-29页 |
| 2.3 基于二阶矩方法的ICA算法 | 第29-31页 |
| 2.3.1 基于二阶矩的自适应ICA算法 | 第29-31页 |
| 2.3.2 基于二阶矩的预白化自适应ICA算法 | 第31页 |
| 2.4 下降过程 | 第31-32页 |
| 2.5 算法仿真 | 第32-33页 |
| 2.6 小结 | 第33-35页 |
| 第三章 基于二阶矩方法的BFGS拟牛顿ICA算法 | 第35-47页 |
| 3.1 对比函数 | 第35-39页 |
| 3.1.1 新的对比函数 | 第35-37页 |
| 3.1.2 改进的新的对比函数 | 第37-39页 |
| 3.2 基于二阶矩的快速牛顿ICA算法 | 第39-40页 |
| 3.3 基于二阶矩的BFGS拟牛顿ICA算法 | 第40-41页 |
| 3.4 下降过程 | 第41-42页 |
| 3.5 算法仿真 | 第42-45页 |
| 3.6 小结 | 第45-47页 |
| 第四章 基于二阶矩方法的自适应步长ICA算法 | 第47-57页 |
| 4.1 步长ICA算法 | 第47-50页 |
| 4.1.1 自然梯度算法 | 第47-48页 |
| 4.1.2 Yang的指数衰减变步长算法 | 第48-49页 |
| 4.1.3 基于自然梯度算法的梯度自适应步长算法 | 第49-50页 |
| 4.2 基于二阶矩的自适应步长ICA算法 | 第50-51页 |
| 4.3 算法仿真与分析 | 第51-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 结论与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57页 |
| 5.2 独立成分分析的工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 作者简介 | 第65-66页 |
