| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 国内外发展现状 | 第12-13页 |
| 1.2.1 泥浆脉冲信号去噪研究现状 | 第12-13页 |
| 1.2.2 盲源分离研究现状 | 第13页 |
| 1.3 论文研究思路和内容安排 | 第13-15页 |
| 1.3.1 研究思路 | 第13-14页 |
| 1.3.2 章节安排 | 第14-15页 |
| 第二章 泥浆MWD遥传系统信号噪声分析 | 第15-27页 |
| 2.1 泥浆脉冲信号的产生与传输 | 第15-16页 |
| 2.2 泥浆MWD信道传输特性 | 第16-18页 |
| 2.2.1 泥浆脉冲的传输速度 | 第16-17页 |
| 2.2.2 泥浆脉冲传输中的衰减 | 第17-18页 |
| 2.3 泥浆脉冲信号分析 | 第18-21页 |
| 2.3.1 泥浆脉冲信号的编码 | 第18-19页 |
| 2.3.2 泥浆脉冲信号特征 | 第19-21页 |
| 2.4 背景噪声特征分析 | 第21-26页 |
| 2.4.1 背景噪声的组成 | 第21-22页 |
| 2.4.2 泥浆泵噪声分析 | 第22-23页 |
| 2.4.3 背景噪声建模 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于单通道盲分离的泵冲干扰消除方法 | 第27-49页 |
| 3.1 引言 | 第27页 |
| 3.2 盲源分离方法 | 第27-28页 |
| 3.2.1 盲源分离基本模型 | 第27-28页 |
| 3.2.2 盲源分离的基本假设和性质 | 第28页 |
| 3.3 独立成分分析（ICA） | 第28-32页 |
| 3.3.1 数据的预处理 | 第28-29页 |
| 3.3.2 ICA算法的基本原理 | 第29-31页 |
| 3.3.3 FastICA算法的基本步骤 | 第31-32页 |
| 3.4 经验模态分解（EMD） | 第32-37页 |
| 3.4.1 瞬时频率 | 第32-33页 |
| 3.4.2 特征模态函数（IMF） | 第33-34页 |
| 3.4.3 EMD分解步骤 | 第34-37页 |
| 3.5 聚合经验模态分解（EEMD） | 第37-39页 |
| 3.6 基于EEMD-FastICA的盲源分离 | 第39-40页 |
| 3.6.1 算法流程 | 第39-40页 |
| 3.6.2 EEMM-FastICA中线性组合的确定方法 | 第40页 |
| 3.7 基于稀疏表示的FASTICA的盲源分离 | 第40-41页 |
| 3.7.1 源信号模型假设 | 第40-41页 |
| 3.7.2 算法步骤 | 第41页 |
| 3.7.3 算法中阈值的确定 | 第41页 |
| 3.8 各算法的仿真分析 | 第41-47页 |
| 3.8.1 算法输入仿真信号的产生 | 第41-42页 |
| 3.8.2 基于EEMD-FastICA的盲分离算法泵冲干扰消除仿真 | 第42-45页 |
| 3.8.3 基于稀疏表示的FastICA的盲分量算法泵冲干扰消除仿真 | 第45-47页 |
| 3.8.4 仿真结论小结 | 第47页 |
| 3.9 本章小结 | 第47-49页 |
| 第四章 基于稀疏成分分析的泵冲干扰消除方法 | 第49-60页 |
| 4.1 形态成分分析（MCA）的稀疏成分分析模型 | 第49-51页 |
| 4.1.1 模型假设 | 第49-50页 |
| 4.1.2 求解MCA的一种数值算法 | 第50-51页 |
| 4.2 稀疏字典的选取方法 | 第51-52页 |
| 4.2.1 模型假设 | 第51-52页 |
| 4.2.2 字典选取步骤 | 第52页 |
| 4.3 针对泥浆脉冲信号特点的改进算法 | 第52-55页 |
| 4.4 仿真实验结果 | 第55-58页 |
| 4.4.1 字典选取的仿真结果 | 第55-57页 |
| 4.4.2 基于形态成分分析改进算法的去噪仿真 | 第57-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 5.1 工作结论 | 第60页 |
| 5.2 未来研究工作展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
