| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 第一章 绪论 | 第6-10页 |
| ·研究工作的背景 | 第6-7页 |
| ·盲源分离的发展现状 | 第7-8页 |
| ·本文的主要内容和章节安排 | 第8-10页 |
| 第二章 盲源分离模型与算法 | 第10-24页 |
| ·源信号的混合与分离模型 | 第10-15页 |
| ·瞬时混合信号盲分离算法综述 | 第15-21页 |
| ·卷积混合信号盲分离算法综述 | 第21-24页 |
| 第三章 独立分量分析的概念和优化算法 | 第24-50页 |
| ·独立分量分析的概念 | 第24-26页 |
| ·数据的预处理及白化 | 第26-29页 |
| ·ICA算法的基本目标函数 | 第29-34页 |
| ·ICA估计的信息论准则 | 第34-38页 |
| ·几种典型的ICA学习算法 | 第38-46页 |
| ·仿真试验 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第四章 基于信息论的卷积混合信号时域和频域盲分离算法 | 第50-62页 |
| ·盲解卷积混合概述 | 第50-51页 |
| ·自然梯度算法的几种推广形式 | 第51-53页 |
| ·基于Kullback-Leibler散度的频域新算法 | 第53-57页 |
| ·仿真试验 | 第57-60页 |
| ·算法比较 | 第60页 |
| ·本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |