| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·盲源分离问题的研究背景及意义 | 第7-8页 |
| ·盲源分离的研究现状 | 第8-9页 |
| ·盲源分离的应用 | 第9-10页 |
| ·本文主要内容安排 | 第10-12页 |
| 第二章 盲源分离的理论知识 | 第12-17页 |
| ·盲源分离的概念及数学模型 | 第12-14页 |
| ·盲源分离的可实现性 | 第14-15页 |
| ·盲源分离的不确定性 | 第15-16页 |
| ·盲源分离的一般研究方法 | 第16页 |
| ·小结 | 第16-17页 |
| 第三章 瞬时混合系统的盲源分离 | 第17-30页 |
| ·独立分量分析方法基础理论 | 第17-20页 |
| ·ICA与BSS的关系 | 第18页 |
| ·ICA的假设和约束条件 | 第18-19页 |
| ·ICA的数据预处理 | 第19-20页 |
| ·独立分量分析问题的优化判据(目标函数) | 第20-22页 |
| ·独立分量分析的优化算法 | 第22-27页 |
| ·特征矩阵的联合近似对角化法(JADE法) | 第23-24页 |
| ·FastICA算法 | 第24-25页 |
| ·信息最大化算法 | 第25-27页 |
| ·计算机仿真 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第四章 瞬时混合语音信号的盲源分离 | 第30-46页 |
| ·一种基于信息最大化的自适应变步长算法 | 第30-35页 |
| ·基于估计函数的变步长算法 | 第30-31页 |
| ·基于信息最大化变步长算法的计算步骤 | 第31页 |
| ·仿真实验及结果分析 | 第31-35页 |
| ·结论 | 第35页 |
| ·基于时频分布的盲源分离算法 | 第35-44页 |
| ·常用的时频分布函数 | 第36-37页 |
| ·基于维纳分布的盲源分离算法 | 第37-38页 |
| ·时频点的选取 | 第38-40页 |
| ·一种快速联合对角化算法 | 第40-41页 |
| ·仿真实验及结果分析 | 第41-44页 |
| ·小结 | 第44-46页 |
| 第五章 卷积混合系统的盲源分离 | 第46-62页 |
| ·引言 | 第46页 |
| ·卷积混合语音信号模型 | 第46-47页 |
| ·盲解卷积方法 | 第47-54页 |
| ·时域盲解卷积算法 | 第47-51页 |
| ·频域盲解卷积方法 | 第51-53页 |
| ·基于时频分布的盲解卷积方法 | 第53-54页 |
| ·基于广义高斯分布模型非线性函数估计的盲解卷积方法 | 第54-61页 |
| ·自然梯度算法 | 第54-56页 |
| ·非线性函数的选择 | 第56-57页 |
| ·基于KL散度的自然梯度盲解卷积方法 | 第57-58页 |
| ·仿真实验及结果分析 | 第58-61页 |
| ·小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 硕士研究生期间撰写的论文 | 第69-70页 |
| 致谢 | 第70-71页 |