| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 电磁兼容研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 本文研究内容及章节安排 | 第10-11页 |
| 第二章 盲源分离基本理论 | 第11-27页 |
| 2.1 盲源分离的基本模型 | 第11-14页 |
| 2.1.1 两类基本模型 | 第11-13页 |
| 2.1.2 盲源分离的基本假设 | 第13页 |
| 2.1.3 盲源分离的两种不确定性 | 第13-14页 |
| 2.2 独立成分分析 | 第14-19页 |
| 2.2.1 ICA的基本原理 | 第14-15页 |
| 2.2.2 常用目标函数 | 第15-18页 |
| 2.2.3 优化算法 | 第18-19页 |
| 2.3 盲源分离的几种经典算法 | 第19-26页 |
| 2.3.1 AMUSE算法 | 第19-20页 |
| 2.3.2 JADE算法 | 第20-21页 |
| 2.3.3 Comon算法 | 第21-22页 |
| 2.3.4 不动点ICA算法 | 第22-23页 |
| 2.3.5 几种经典算法仿真比较 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 欠定盲源分离理论和算法 | 第27-43页 |
| 3.1 欠定盲源分离的基本研究思路 | 第27-28页 |
| 3.2 欠定盲源分离的基本理论知识 | 第28-31页 |
| 3.2.1 信号分布特性 | 第28-29页 |
| 3.2.2 稀疏性度量 | 第29-30页 |
| 3.2.3 聚类 | 第30-31页 |
| 3.3 基于统计稀疏分解的欠定盲源分离方法 | 第31-41页 |
| 3.3.1 K-Means算法 | 第32-34页 |
| 3.3.2 单源检测 | 第34-35页 |
| 3.3.3 源信号估计算法 | 第35-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 基于样点筛选的混合矩阵估计算法 | 第43-58页 |
| 4.1 矩阵估计的原理 | 第43-46页 |
| 4.2 势函数法估计矩阵 | 第46-50页 |
| 4.2.1 Bofill势函数法 | 第46-48页 |
| 4.2.2 拉普拉斯势函数法 | 第48-50页 |
| 4.3 基于势函数和支持向量回归的混合矩阵估计算法 | 第50-56页 |
| 4.3.1 基于势函数的源信号个数估计算法 | 第50-54页 |
| 4.3.2 样点的筛选算法 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 基于支持向量机的聚类方向估计算法 | 第58-79页 |
| 5.1 支持向量机基本理论 | 第58-65页 |
| 5.1.1 线性分类问题 | 第58-63页 |
| 5.1.2 基于核函数的非线性分类器 | 第63-65页 |
| 5.2 基于支持向量回归的混合矩阵估计算法 | 第65-68页 |
| 5.3 基于经验模态分解的信号特征提取 | 第68-75页 |
| 5.3.1 经验模态分解基本原理 | 第68-73页 |
| 5.3.2 采用EMD对信号进行特征提取 | 第73-75页 |
| 5.4 仿真分析 | 第75-78页 |
| 5.5 本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 参考文献 | 第81-86页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第86-87页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第87-88页 |
| 致谢 | 第88页 |