基于群智能算法的盲源分离问题的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 选题的目的和意义 | 第11-12页 |
| 1.2 盲源分离技术的发展与研究现状 | 第12-14页 |
| 1.3 盲源分离技术的应用 | 第14-16页 |
| 1.4 本文的研究内容与结构安排 | 第16-17页 |
| 第2章 盲源分离的基本理论 | 第17-33页 |
| 2.1 线性混合盲源分离的模型 | 第17-20页 |
| 2.1.1 数学模型 | 第17-19页 |
| 2.1.2 假设条件与不确定性 | 第19页 |
| 2.1.3 盲信号分离的预处理 | 第19-20页 |
| 2.2 盲源分离的独立性判据 | 第20-24页 |
| 2.2.1 最小互信息判据 | 第21-22页 |
| 2.2.2 极大似然判据 | 第22页 |
| 2.2.3 最大化峭度判据 | 第22-23页 |
| 2.2.4 最大化负熵判据 | 第23-24页 |
| 2.3 盲源分离的主要算法 | 第24-29页 |
| 2.3.1 H-J算法 | 第24-25页 |
| 2.3.2 梯度算法 | 第25-27页 |
| 2.3.3 特征矩阵联合对角化算法 | 第27-28页 |
| 2.3.4 基于遗传算法的盲分离 | 第28-29页 |
| 2.3.5 基于粒子群算法的盲分离 | 第29页 |
| 2.4 盲源分离的性能指标 | 第29-31页 |
| 2.4.1 基于信号的评价准则 | 第29-30页 |
| 2.4.2 基于系统矩阵的评价准则 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 基于改进粒子群算法的盲源分离 | 第33-48页 |
| 3.1 粒子群优化算法 | 第33-35页 |
| 3.1.1 算法原理 | 第33-34页 |
| 3.1.2 粒子群算法的参数分析 | 第34-35页 |
| 3.2 算法的设计与实现 | 第35-40页 |
| 3.2.1 带变异算子的自适应粒子群算法 | 第35-39页 |
| 3.2.2 目标函数的选取 | 第39-40页 |
| 3.2.3 算法的实现过程 | 第40页 |
| 3.3 仿真实验和结果分析 | 第40-46页 |
| 3.3.1 仿真实验 | 第42-45页 |
| 3.3.2 性能分析 | 第45-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第4章 基于新型帝国竞争算法的盲源分离 | 第48-63页 |
| 4.1 帝国竞争算法 | 第48-53页 |
| 4.1.2 帝国竞争算法的基本原理 | 第48页 |
| 4.1.3 帝国竞争算法的实现 | 第48-53页 |
| 4.2 混沌理论 | 第53-55页 |
| 4.2.1 混沌映射 | 第54页 |
| 4.2.2 混沌映射的选取 | 第54-55页 |
| 4.3 算法的设计与实现 | 第55-59页 |
| 4.3.1 混沌理论应用于帝国竞争算法 | 第55-56页 |
| 4.3.2 基于最小互信息的目标函数 | 第56-57页 |
| 4.3.3 算法的实现过程 | 第57-59页 |
| 4.4 仿真实验及结果分析 | 第59-62页 |
| 4.4.1 仿真实验 | 第59-61页 |
| 4.4.2 性能分析 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 对本文工作的总结 | 第63页 |
| 5.2 对未来工作的展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71页 |
