| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及其意义 | 第9-10页 |
| 1.2 盲源分离的研究历史与发展现状 | 第10-12页 |
| 1.3 论文内容与全文结构 | 第12-14页 |
| 第二章 盲源分离的基本理论 | 第14-27页 |
| 2.1 引言 | 第14页 |
| 2.2 盲源分离基本理论 | 第14-16页 |
| 2.2.1 盲源分离的数学模型 | 第14页 |
| 2.2.2 盲源分离的基本假设 | 第14-15页 |
| 2.2.3 盲源分离性能指标 | 第15-16页 |
| 2.3 基于独立量分析（ICA）的盲源分离算法 | 第16-22页 |
| 2.3.1 ICA理论的概念 | 第16页 |
| 2.3.2 独立量分析（ICA）的分类 | 第16-18页 |
| 2.3.3 NM-ICA，MMI-ICA，ML-ICA三种方法分离性能比较 | 第18-22页 |
| 2.4 基于近似联合对角化的盲分离算法 | 第22-26页 |
| 2.4.1 盲分离中的对角参量描述 | 第23-24页 |
| 2.4.2 联合对角化盲源分离算法的分离过程 | 第24-25页 |
| 2.4.3 联合对角化的代价函数 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 瞬时混合语音信号盲分离算法研究 | 第27-66页 |
| 3.1 引言 | 第27页 |
| 3.2 瞬时混合盲源分离数学描述 | 第27-31页 |
| 3.2.1 信号模型 | 第27-29页 |
| 3.2.2 分离的不确定性 | 第29-30页 |
| 3.2.3 预处理的方法 | 第30-31页 |
| 3.3 瞬时混合盲分离算法研究 | 第31-40页 |
| 3.3.1 THINICA算法 | 第31-34页 |
| 3.3.2 EFICA算法 | 第34-37页 |
| 3.3.3 WASOBI算法 | 第37-40页 |
| 3.3.4 三种算法的分离效果对比 | 第40页 |
| 3.4 基于ICA与对角化的的联合算法 | 第40-45页 |
| 3.5 语音信号混合分离仿真实验 | 第45-52页 |
| 3.5.1 不含噪声情况下混合语音分离实验 | 第45-49页 |
| 3.5.2 含有噪声情况下混合语音分离实验 | 第49-52页 |
| 3.6 源信号的非高斯性对分离效果的影响 | 第52-58页 |
| 3.7 噪声强度对分离效果的影响 | 第58-64页 |
| 3.8 本章小结 | 第64-66页 |
| 第四章 卷积混合语音信号盲分离算法研究 | 第66-93页 |
| 4.1 引言 | 第66页 |
| 4.2 卷积混和盲源分离数学描述 | 第66-70页 |
| 4.2.1 数学模型及其参量结构 | 第66-69页 |
| 4.2.2 分离的不确定性 | 第69-70页 |
| 4.3 独立向量分析 | 第70-73页 |
| 4.3.1 独立向量分析的数学模型 | 第70-72页 |
| 4.3.2 卷积混和的独立向量分析 | 第72-73页 |
| 4.4 卷积混合盲分离算法介绍 | 第73-84页 |
| 4.4.1 TFBSS算法 | 第73-75页 |
| 4.4.2 FAST IVA算法 | 第75-78页 |
| 4.4.3 建立于观测空间的分量分解的时域音频(TCDBSS)信号盲分离法 | 第78-84页 |
| 4.5 语音信号混合分离实验仿真与分析 | 第84-91页 |
| 4.5.1 无噪声情况下混合语音分离实验 | 第84-88页 |
| 4.5.2 含噪声情况下混合语音分离实验 | 第88-91页 |
| 4.6 本章小结 | 第91-93页 |
| 第五章 总结与展望 | 第93-95页 |
| 5.1 总结 | 第93页 |
| 5.2 展望 | 第93-95页 |
| 参考文献 | 第95-100页 |
| 攻读硕士学位期间取得的研究成果 | 第100-101页 |
| 致谢 | 第101页 |