| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号说明 | 第9-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 盲源分离的发展历程 | 第13-14页 |
| 1.3 盲源分离的研究现状 | 第14-15页 |
| 1.4 论文的内容安排 | 第15-18页 |
| 第二章 盲源分离理论 | 第18-28页 |
| 2.1 盲源分离的数学模型 | 第19-21页 |
| 2.1.1 线性混合模型 | 第20页 |
| 2.1.2 非线性混合模型 | 第20-21页 |
| 2.2 盲源分离方法 | 第21-25页 |
| 2.2.1 主成成分分析 | 第21-22页 |
| 2.2.2 独立分量分析 | 第22页 |
| 2.2.3 稀疏成分分析 | 第22-24页 |
| 2.2.4 非负矩阵分解 | 第24-25页 |
| 2.3 盲源分离评价标准 | 第25-26页 |
| 2.3.1 混合矩阵估计结果评价标准 | 第25页 |
| 2.3.2 盲源分离算法评价标准 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 压缩感知理论 | 第28-36页 |
| 3.1 压缩感知理论框架 | 第28-29页 |
| 3.2 信号的稀疏表示 | 第29-31页 |
| 3.3 信号的观测 | 第31-33页 |
| 3.4 信号的重构 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 自适应步长的两步迭代算法 | 第36-52页 |
| 4.1 传统重构算法 | 第36-44页 |
| 4.1.1 凸优化算法 | 第36-37页 |
| 4.1.2 贪婪迭代算法 | 第37-44页 |
| 4.2 基于两步迭代的自适应重构算法 | 第44-50页 |
| 4.2.1 两步迭代收缩算法 | 第45-48页 |
| 4.2.2 基于两步迭代收缩算法的压缩感知算法实现 | 第48-49页 |
| 4.2.3 实验仿真 | 第49-50页 |
| 4.3 本章小结 | 第50-52页 |
| 第五章 基于ASTwIST的欠定盲源分离算法 | 第52-66页 |
| 5.1 盲源分离的稀疏模型 | 第52-54页 |
| 5.2 盲源分离稀疏模型下的信号分离 | 第54-57页 |
| 5.2.1 混合矩阵(测量矩阵)的估计 | 第55-56页 |
| 5.2.2 原始信号的分离 | 第56-57页 |
| 5.3 实验仿真 | 第57-65页 |
| 5.3.1 稀疏语音信号分离 | 第57-62页 |
| 5.3.2 稀疏图像信号分离 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |