| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 盲源分离的发展及研究现状 | 第9-11页 |
| 1.3 盲源分离的应用 | 第11-12页 |
| 1.4 本文主要创新点 | 第12页 |
| 1.5 本文的研究工作和内容安排 | 第12-15页 |
| 第2章 盲源分离理论 | 第15-29页 |
| 2.1 盲源分离的基本步骤 | 第15-20页 |
| 2.1.1 数学模型 | 第15-17页 |
| 2.1.2 目标函数 | 第17-20页 |
| 2.1.3 优化算法 | 第20页 |
| 2.2 信号的预处理 | 第20-22页 |
| 2.2.1 信号的零均值化 | 第20-21页 |
| 2.2.2 信号的白化 | 第21-22页 |
| 2.3 常见盲源分离算法 | 第22-27页 |
| 2.3.1 自然梯度算法 | 第22页 |
| 2.3.2 FastICA算法 | 第22-25页 |
| 2.3.3 EASI算法 | 第25-26页 |
| 2.3.4 负熵最大化算法 | 第26-27页 |
| 2.4 小结 | 第27-29页 |
| 第3章 自适应步长自然梯度算法 | 第29-39页 |
| 3.1 自然梯度算法 | 第29-34页 |
| 3.1.1 基于信息最大化目标函数的自然梯度算法 | 第29-31页 |
| 3.1.2 基于互信息量最小化目标函数的自然梯度算法 | 第31-33页 |
| 3.1.3 算法中的非线性函数 | 第33-34页 |
| 3.2 改进的变步长自然梯度算法 | 第34-36页 |
| 3.2.1 算法中的非线性函数的选择 | 第35页 |
| 3.2.2 算法中步长自适应控制参数的选择 | 第35-36页 |
| 3.3 算法仿真与分析 | 第36-38页 |
| 3.4 小结 | 第38-39页 |
| 第4章 自适应步长不完整自然梯度算法 | 第39-49页 |
| 4.1 不完整自然梯度算法 | 第39-44页 |
| 4.1.1 自然梯度与不完整自然梯度 | 第39-41页 |
| 4.1.2 不完整自然梯度算法的性质 | 第41-44页 |
| 4.2 自适应步长不完整自然梯度算法 | 第44-45页 |
| 4.3 仿真实验及结果分析 | 第45-47页 |
| 4.4 小结 | 第47-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 本文工作的总结 | 第49页 |
| 5.2 对今后研究方向的展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-59页 |
| 硕士期间发表的论文 | 第59页 |