| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 盲源分离的研究背景及意义 | 第8页 |
| 1.2 盲源分离的发展与研究现状 | 第8-9页 |
| 1.3 盲源分离的应用 | 第9页 |
| 1.4 本论文的主要研究内容和结构安排 | 第9-11页 |
| 第二章 盲源分离的理论基础 | 第11-19页 |
| 2.1 盲源分离的数学模型 | 第11-14页 |
| 2.1.1 瞬时混合模型 | 第12-13页 |
| 2.1.2 卷积混合模型 | 第13-14页 |
| 2.2 独立分量分析(ICA) | 第14-17页 |
| 2.2.1 独立分量分析和盲源分离 | 第14-15页 |
| 2.2.2 独立分量分析的目标函数 | 第15-17页 |
| 2.3 信号的预处理 | 第17-18页 |
| 2.3.1 信号的零均值化 | 第17页 |
| 2.3.2 信号的白化 | 第17-18页 |
| 2.4 主分量分析 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 盲源分离算法的分析与研究 | 第19-25页 |
| 3.1 瞬时混合盲源分离算法 | 第19-21页 |
| 3.1.1 FastICA 算法 | 第19-20页 |
| 3.1.2 JADE 算法 | 第20-21页 |
| 3.1.3 FastICA 算法与JADE 算法比较 | 第21页 |
| 3.2 卷积混合盲源分离算法 | 第21-23页 |
| 3.2.1 时域卷积混合盲源分离算法 | 第21-22页 |
| 3.2.2 频域卷积混合盲源分离算法 | 第22-23页 |
| 3.3 本章小结 | 第23-25页 |
| 第四章 语音信号的盲源分离研究 | 第25-40页 |
| 4.1 最小二乘估计 | 第25-26页 |
| 4.1.1 线性最小二乘法 | 第25-26页 |
| 4.1.2 非线性最小二乘 | 第26页 |
| 4.2 语音信号盲源分离的动力学模型 | 第26-27页 |
| 4.2.1 动力学模型描述 | 第26-27页 |
| 4.2.2 低阶动力学系统 | 第27页 |
| 4.3 源序和幅值模糊性研究 | 第27-34页 |
| 4.3.1 源序的调整 | 第28-31页 |
| 4.3.2 幅值的调整 | 第31-33页 |
| 4.3.3 二步迭代辨识 | 第33-34页 |
| 4.4 语音信号盲源分离仿真流程 | 第34-35页 |
| 4.4.1 加窗傅里叶变换 | 第34-35页 |
| 4.4.2 瞬时分离 | 第35页 |
| 4.4.3 源序调整和幅值调整 | 第35页 |
| 4.5 语音信号盲源分离仿真实验 | 第35-39页 |
| 4.5.1 语音信号的采集 | 第35-36页 |
| 4.5.2 瞬时混合的盲源分离 | 第36-38页 |
| 4.5.3 卷积混合的盲源分离 | 第38-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第五章 总结与展望 | 第40-41页 |
| 5.1 论文总结 | 第40页 |
| 5.2 展望 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44-45页 |
| 附录A 攻读硕士期间发表的论文 | 第45页 |