基于高阶统计量的盲源分离算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 引言 | 第7页 |
| 1.2 盲源分离研究概述 | 第7-9页 |
| 1.3 盲信号分离的应用 | 第9-10页 |
| 1.4 本文的主要研究内容及结构安排 | 第10-12页 |
| 第二章 盲源分离概述 | 第12-21页 |
| 2.1 引言 | 第12页 |
| 2.2 盲源分离问题描述及其数学模型 | 第12-15页 |
| 2.2.1 线性混合模型 | 第13-15页 |
| 2.2.2 非线性混合模型 | 第15页 |
| 2.3 盲源分离的可分离条件及不确定性 | 第15-17页 |
| 2.3.1 实现盲源分离的基本假设条件 | 第16页 |
| 2.3.2 盲源分离的不确定性 | 第16-17页 |
| 2.4 盲源分离的求解过程与评价标准 | 第17-19页 |
| 2.4.1 盲源分离的求解过程 | 第17页 |
| 2.4.2 盲源分离的评判标准 | 第17-19页 |
| 2.5 盲源分离的算法分类 | 第19-20页 |
| 2.6 小结 | 第20-21页 |
| 第三章 基于四阶统计量的瞬时混合盲源分离算法 | 第21-36页 |
| 3.1 引言 | 第21页 |
| 3.2 统计量理论概述 | 第21-25页 |
| 3.2.1 统计量基础 | 第21-23页 |
| 3.2.2 基于统计量的经典分离方法 | 第23-25页 |
| 3.3 基于四阶统计量的双梯度分离算法 | 第25-32页 |
| 3.3.1 算法描述 | 第25-28页 |
| 3.3.2 仿真实验分析 | 第28-32页 |
| 3.4 改进算法及其在语音信号分离中的应用 | 第32-35页 |
| 3.4.1 算法描述 | 第32页 |
| 3.4.2 仿真实验分析 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于四阶累积量的带噪卷积盲源分离算法 | 第36-48页 |
| 4.1 引言 | 第36页 |
| 4.2 平稳随机过程的四阶累积量与四阶互累积量 | 第36-38页 |
| 4.2.1 平稳随机过程的四阶累积量 | 第36-37页 |
| 4.2.2 平稳随机过程的四阶互累积量 | 第37-38页 |
| 4.3 粒子群优化算法 | 第38-40页 |
| 4.4 本章算法描述 | 第40-44页 |
| 4.4.1 去噪算法 | 第41-42页 |
| 4.4.2 分离算法 | 第42-44页 |
| 4.5 仿真实验分析 | 第44-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 作者简介 | 第55页 |
| 攻读硕士学位期间研究成果 | 第55页 |
