| 第一章 序言 | 第1-17页 |
| ·盲信号问题的提出 | 第10-12页 |
| ·盲分离的发展及研究现状 | 第12-16页 |
| ·盲分离的应用 | 第16页 |
| ·本论文的框架以及章节安排 | 第16-17页 |
| 第二章 盲分离的理论基础 | 第17-31页 |
| ·盲分离的建模 | 第17-18页 |
| ·盲分离问题的可解性和模糊性 | 第18-19页 |
| ·盲分离的估计原理和独立性概念 | 第19-20页 |
| ·熵、差熵和负熵 | 第20-23页 |
| ·互信息和KULLBACK-LEIBLER散度的概念 | 第23-26页 |
| ·互信息作为目标函数的优化 | 第26-27页 |
| ·高阶累积量 | 第27-28页 |
| ·熵和负熵的近似 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 盲分离的典型方法 | 第31-42页 |
| ·H-J算法 | 第31-33页 |
| ·最大熵算法 | 第33-35页 |
| ·最小互信息算法 | 第35-37页 |
| ·最大似然算法 | 第37-38页 |
| ·定点算法 | 第38-39页 |
| ·非线性PCA方法 | 第39-40页 |
| ·其他算法及总结 | 第40-42页 |
| 第四章 基于递归网络的最小互信息盲分离算法 | 第42-48页 |
| ·基于递归网络的最小互信息盲分离方法 | 第42-45页 |
| ·仿真试验及分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 盲分离的应用 | 第48-62页 |
| ·盲分离的主要应用 | 第48-50页 |
| ·基于ICA的交通标志识别 | 第50-56页 |
| ·基于ICA的交通标志识别原理 | 第50-52页 |
| ·实验及分析 | 第52-56页 |
| ·基于ICA的数字水印 | 第56-61页 |
| ·数字水印简述 | 第56-58页 |
| ·数字水印和盲信号分离的联系 | 第58-59页 |
| ·仿真实验及结果分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士期间发表的相关论文 | 第70-71页 |
| 致谢 | 第71页 |