| 摘要 | 第1-14页 |
| ABSTRACT | 第14-19页 |
| 符号说明 | 第19-20页 |
| 第一章 绪论 | 第20-27页 |
| ·引言 | 第20-22页 |
| ·独立分量分析研究综述 | 第22-23页 |
| ·独立分量分析的应用 | 第23-24页 |
| ·论文的组织结构与研究内容 | 第24-27页 |
| 第二章 独立分量分析原理 | 第27-44页 |
| ·独立分量分析的定义 | 第27-32页 |
| ·独立分量分析估计原理 | 第32-34页 |
| ·独立性判据和估计方法 | 第34-41页 |
| ·扩展独立分量分析 | 第41-44页 |
| 第三章 基于时间相关特性的两阶段生物医学信号提取 | 第44-69页 |
| ·生物医学信号的盲源分离与提取 | 第44-46页 |
| ·两阶段盲源提取算法 | 第46-56页 |
| ·问题描述 | 第46-47页 |
| ·第一阶段：粗略提取 | 第47-50页 |
| ·第二阶段：优化提取 | 第50-54页 |
| ·盲源提取算法 | 第54-56页 |
| ·算法仿真及对比 | 第56-68页 |
| ·模拟生成信号的仿真实验 | 第56-58页 |
| ·模拟心电数据的仿真实验 | 第58-64页 |
| ·真实心电数据的仿真实验 | 第64-68页 |
| ·本章小结 | 第68-69页 |
| 第四章 基于近似峭度的鲁棒提取算法 | 第69-93页 |
| ·生物医学信号与盲源提取 | 第69-73页 |
| ·噪声环境下的目标函数和提取算法 | 第73-81页 |
| ·原始观测信号的预白化 | 第73-75页 |
| ·目标函数 | 第75-78页 |
| ·学习算法 | 第78-81页 |
| ·算法仿真实验 | 第81-91页 |
| ·模拟数据的仿真实验 | 第81-85页 |
| ·真实世界心电数据的仿真实验 | 第85-89页 |
| ·真实世界脑电数据的仿真实验 | 第89-91页 |
| ·本章小结 | 第91-93页 |
| 第五章 噪声环境下基于参考信号的盲源提取 | 第93-116页 |
| ·盲信号分离与盲源提取 | 第93-96页 |
| ·盲源提取算法 | 第96-105页 |
| ·目标函数 | 第96-102页 |
| ·学习算法 | 第102-105页 |
| ·算法仿真与比较 | 第105-113页 |
| ·基于模拟数据的计算机仿真 | 第105-110页 |
| ·基于实际心电数据的计算机仿真 | 第110-113页 |
| ·本章小结 | 第113-116页 |
| 第六章 总结与展望 | 第116-119页 |
| ·研究总结 | 第116-117页 |
| ·工作展望 | 第117-119页 |
| 参考文献 | 第119-129页 |
| 致谢 | 第129-130页 |
| 攻读学位期间发表的学术论文目录 | 第130-131页 |
| 外文论文 | 第131-153页 |
| 1. A robust extraction algorithm for biomedical signals from noisy mixtures | 第131-145页 |
| 2. Adaptive source extraction techniques based on maximum likelihood estimation | 第145-153页 |
| 学位论文评阅及答辩情况表 | 第153页 |