优化加权因子的自然梯度算法设计及研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 盲源分离问题概述 | 第8-9页 |
| 1.2 盲源分离的历史进程 | 第9-10页 |
| 1.3 盲源分离理论的应用 | 第10-15页 |
| 1.4 论文主要工作及内容安排 | 第15-17页 |
| 2 盲源分离的基本理论 | 第17-32页 |
| 2.1 盲源分离问题的数学建模 | 第17-22页 |
| 2.1.1 线性瞬时混合模型 | 第18页 |
| 2.1.2 非线性瞬时混合模型 | 第18-19页 |
| 2.1.3 卷积混合模型 | 第19-20页 |
| 2.1.4 盲源分离的前提及其不确定性 | 第20-22页 |
| 2.2 盲源分离问题的分类 | 第22-23页 |
| 2.2.1 线性混合与非线性混合 | 第22页 |
| 2.2.2 单通道与多通道 | 第22页 |
| 2.2.3 批处理算法与自适应算法 | 第22-23页 |
| 2.3 盲源分离算法的基本原理 | 第23-28页 |
| 2.3.1 非高斯性极大化 | 第23-25页 |
| 2.3.2 互信息最小化判定 | 第25-26页 |
| 2.3.3 影响盲源分离性能的指标 | 第26-28页 |
| 2.4 盲源分离算法的预处理 | 第28-29页 |
| 2.4.1 零均值化 | 第28页 |
| 2.4.2 白化 | 第28-29页 |
| 2.5 盲源分离算法的性能评价准则 | 第29-31页 |
| 2.5.1 基于估计信号的评价准则 | 第29-30页 |
| 2.5.2 分离性能指标 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 动量项自然梯度算法 | 第32-38页 |
| 3.1 自然梯度算法 | 第32-35页 |
| 3.2 动量项自然梯度算法 | 第35-36页 |
| 3.3 仿真性能分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 优化加权因子的动量项自然梯度算法 | 第38-52页 |
| 4.1 组合型动量项自然梯度算法 | 第38-42页 |
| 4.1.1 基本结构 | 第38-39页 |
| 4.1.2 算法原理 | 第39-40页 |
| 4.1.3 仿真性能分析 | 第40-42页 |
| 4.2 加权因子对算法的影响 | 第42-44页 |
| 4.3 优化加权因子的动量项自然梯度算法 | 第44-46页 |
| 4.3.1 改进系统结构 | 第44-45页 |
| 4.3.2 优化组合因子 | 第45-46页 |
| 4.3.3 设计算法流程 | 第46页 |
| 4.4 仿真性能分析 | 第46-51页 |
| 4.4.1 分离性能 | 第46-48页 |
| 4.4.2 收敛性能 | 第48-49页 |
| 4.4.3 加权性能 | 第49-50页 |
| 4.4.4 与现有算法的比较 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录 攻读硕士期间发表及录用的学术论文 | 第59-60页 |
