| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 盲源分离亟待解决的问题 | 第13-14页 |
| 1.4 语音信号的盲源分离的应用 | 第14-17页 |
| 1.5 论文的工作安排 | 第17-18页 |
| 第2章 语音信号盲源分离的基本知识 | 第18-32页 |
| 2.1 盲源分离的数学描述 | 第18-25页 |
| 2.1.1 盲源分离问题的数学模型 | 第18-20页 |
| 2.1.2 盲信号分离之独立分量分析方法的前提假设 | 第20页 |
| 2.1.3 盲信号分离之独立分量分析的目标函数 | 第20-22页 |
| 2.1.4 盲信号处理中目标函数的优化方法 | 第22-25页 |
| 2.2 语音信的基本特征及其采集 | 第25-27页 |
| 2.2.1 语音的产生 | 第25-26页 |
| 2.2.2 语音的感知 | 第26页 |
| 2.2.3 麦克风阵列语音信号的采集 | 第26-27页 |
| 2.3 语音信号预处理 | 第27-31页 |
| 2.3.1 信号降噪分析 | 第27-29页 |
| 2.3.2 白化处理 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 正定瞬时混叠的盲分离方法 | 第32-50页 |
| 3.1 固定点算法的研究 | 第32-40页 |
| 3.1.1 基于四阶累积量的单个分量的估计 | 第32-33页 |
| 3.1.2 基于负熵的单分量估计 | 第33-34页 |
| 3.1.3 多分量的估计 | 第34-35页 |
| 3.1.4 无噪声干扰下固定点算法仿真分析 | 第35页 |
| 3.1.5 有噪声干扰下的固定点算法仿真及分析 | 第35-40页 |
| 3.2 梯度算法 | 第40-49页 |
| 3.2.1 基本自然梯度算法的研究 | 第40-41页 |
| 3.2.2 改进的自适应变步长的自然梯度算法 | 第41页 |
| 3.2.3 基于分离度的伪PID变步长的自然梯度算法 | 第41-42页 |
| 3.2.4 无噪声环境下的分离结果 | 第42-45页 |
| 3.2.5 有噪声环境下的分离结果 | 第45-49页 |
| 3.3 本章小结 | 第49-50页 |
| 第4章 正定卷积混叠盲分离方法 | 第50-60页 |
| 4.1 卷积盲分离的的描述 | 第50页 |
| 4.2 时域盲解卷积的方法 | 第50-55页 |
| 4.2.1 在线卷积盲分离时域算法 | 第51-52页 |
| 4.2.2 在线卷积混合盲分离方法的仿真与分析 | 第52-55页 |
| 4.3 时频分析的方法 | 第55-59页 |
| 4.3.1 频域中的ICA分离算法 | 第55-56页 |
| 4.3.2 解排列模糊性 | 第56-57页 |
| 4.3.3 解幅度模糊性 | 第57页 |
| 4.3.4 源信号的恢复 | 第57页 |
| 4.3.5 时频分析的方法对卷积混合模型的语音信号盲分离 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 基于稀疏性的欠定混叠盲分离方法 | 第60-70页 |
| 5.1 欠定系统的数学模型 | 第60-61页 |
| 5.2 信号稀疏变换 | 第61-62页 |
| 5.3 基于势函数的混合矩阵估计 | 第62-64页 |
| 5.4 改进的最短路径法源信号估计 | 第64-65页 |
| 5.5 基于稀疏的语音信号盲分离仿真 | 第65-68页 |
| 5.5.1 非欠定情况下的欠定算法分离 | 第65-67页 |
| 5.5.2 欠定分离仿真与分析 | 第67-68页 |
| 5.6 本章小结 | 第68-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第76-77页 |
| 致谢 | 第77页 |
