| 摘要 | 第1-8页 |
| ABSTRACT | 第8-16页 |
| 第一章 绪论 | 第16-23页 |
| ·研究背景和意义 | 第16-17页 |
| ·盲信号分离的问题描述 | 第17-19页 |
| ·国内外研究历史与现状 | 第19-21页 |
| ·盲信号分离的历史 | 第19-20页 |
| ·发展现状与挑战 | 第20-21页 |
| ·欠定条件下的盲信号分离 | 第21页 |
| ·本文研究工作的主要内容 | 第21-23页 |
| 第二章 盲信号分离的理论基础 | 第23-39页 |
| ·随机过程 | 第23-24页 |
| ·高阶统计量 | 第24-25页 |
| ·估计理论 | 第25-28页 |
| ·基本概念 | 第25-26页 |
| ·最小二乘估计 | 第26-27页 |
| ·极大似然估计 | 第27-28页 |
| ·信息论基础 | 第28-30页 |
| ·熵 | 第28页 |
| ·微分熵 | 第28-29页 |
| ·互信息 | 第29页 |
| ·负熵 | 第29-30页 |
| ·最优化理论 | 第30-33页 |
| ·梯度 | 第30-31页 |
| ·梯度下降法 | 第31页 |
| ·牛顿法 | 第31-33页 |
| ·主分量分析 | 第33-34页 |
| ·评价指标 | 第34-38页 |
| ·排列矩阵指数 | 第34-37页 |
| ·相关系数指数 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 基于独立分量分析的盲分离算法与实现 | 第39-59页 |
| ·ICA 的定义 | 第39-40页 |
| ·预处理 | 第40-43页 |
| ·去均值 | 第40页 |
| ·白化 | 第40-42页 |
| ·PCA 降维 | 第42-43页 |
| ·基于非高斯性的ICA 算法 | 第43-52页 |
| ·峭度衡量FastICA 算法及仿真 | 第44-48页 |
| ·负熵近似FastICA 算法及仿真 | 第48-52页 |
| ·极大似然估计 ICA 算法及改进 | 第52-56页 |
| ·基于极大似然估计的梯度算法 | 第52-54页 |
| ·基于极大似然估计的改进算法及仿真 | 第54-56页 |
| ·算法仿真与比较 | 第56-58页 |
| ·算法选择的建议 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第四章 基于过完备描述的欠定盲信号分离 | 第59-70页 |
| ·引言 | 第59-60页 |
| ·过完备描述的数学模型 | 第60-64页 |
| ·基本模型 | 第60-61页 |
| ·先验概率的选择 | 第61-63页 |
| ·二维数据的建模方式比较 | 第63-64页 |
| ·算法推导 | 第64-66页 |
| ·实验仿真 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 盲信号分离算法的DSP 实现 | 第70-82页 |
| ·开发平台与环境 | 第70-73页 |
| ·硬件开发平台 | 第70-72页 |
| ·软件开发环境 | 第72-73页 |
| ·程序设计流程 | 第73-76页 |
| ·初始化程序 | 第73-74页 |
| ·EDMA 中断服务程序 | 第74-75页 |
| ·按键中断服务程序 | 第75-76页 |
| ·语音盲信号分离实验 | 第76-81页 |
| ·基于极大似然估计的FastICA 算法的DSP 实现 | 第76-79页 |
| ·基于过完备描述的ICA 算法的DSP 实现 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-85页 |
| ·全文工作总结 | 第82-83页 |
| ·未来工作展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 附录 | 第89-92页 |
| 致谢 | 第92-93页 |
| 攻读硕士学位期间已发表或录用的论文 | 第93页 |