| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 盲源分离国内外研究现状 | 第12-15页 |
| 1.2.1 混合矩阵估计国内外研究现状 | 第13-14页 |
| 1.2.2 源信号恢复国内外研究现状 | 第14-15页 |
| 1.3 本文主要研究内容和结构 | 第15-17页 |
| 第2章 欠定盲源分离的基础理论 | 第17-28页 |
| 2.1 欠定盲源分离的数学模型 | 第17-19页 |
| 2.2 信号的稀疏性 | 第19-22页 |
| 2.2.1 稀疏信号 | 第19-20页 |
| 2.2.2 时频分析 | 第20-22页 |
| 2.3 稀疏分量分析 | 第22-25页 |
| 2.3.1 充分稀疏时的混合矩阵估计方法 | 第22-24页 |
| 2.3.2 非充分稀疏时的混合矩阵估计方法 | 第24-25页 |
| 2.4 算法性能评价准则 | 第25-27页 |
| 2.4.1 混合矩阵估计性能评价指标 | 第25-26页 |
| 2.4.2 信号恢复性能评价指标 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 信号充分稀疏时混合矩阵估计算法 | 第28-44页 |
| 3.1 信号稀疏性的增强 | 第28-33页 |
| 3.1.1 时频域下单源点检测 | 第28-31页 |
| 3.1.2 去除低能量点及归一化处理 | 第31-33页 |
| 3.2 信号充分稀疏下混合矩阵估计相关算法 | 第33-38页 |
| 3.2.1 基于K均值聚类算法估计混合矩阵 | 第33-34页 |
| 3.2.2 基于DBSCAN聚类算法估计混合矩阵 | 第34-36页 |
| 3.2.3 基于势函数聚类算法估计混合矩阵 | 第36-37页 |
| 3.2.4 基于拉普拉斯势函数聚类算法估计混合矩阵 | 第37-38页 |
| 3.3 改进的拉普拉斯势函数聚类算法 | 第38-39页 |
| 3.4 算法性能仿真 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 信号非充分稀疏时的混合矩阵估计 | 第44-52页 |
| 4.1 信号非充分稀疏下混合矩阵估计相关算法 | 第44-48页 |
| 4.1.1 基于K-plane的混合矩阵估计算法 | 第44-46页 |
| 4.1.2 基于k维子空间的混合矩阵估计算法 | 第46-48页 |
| 4.2 改进的K-PLANE估计混合矩阵算法 | 第48-50页 |
| 4.3 方法性能仿真 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 欠定盲源分离源信号恢复算法 | 第52-64页 |
| 5.1 源信号分离的相关算法 | 第52-56页 |
| 5.1.1 基于最小化L1范数的分离算法 | 第52-53页 |
| 5.1.2 基于角度最短路径的分离算法 | 第53-55页 |
| 5.1.3 统计稀疏分解算法 | 第55-56页 |
| 5.2 改进的最小化L1范数分离算法 | 第56-59页 |
| 5.3 算法性能仿真 | 第59-63页 |
| 5.4 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-74页 |
| 致谢 | 第74页 |