| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11页 |
| 1.2 研究目的和意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 盲源分离研究现状 | 第12-13页 |
| 1.3.2 非负矩阵分解研究现状 | 第13-15页 |
| 1.4 本文的主要研究内容和章节安排 | 第15-17页 |
| 第2章 盲源分离与非负矩阵分解基础理论 | 第17-29页 |
| 2.1 盲源分离系统基本模型 | 第17-18页 |
| 2.1.1 混合模型 | 第17页 |
| 2.1.2 分离模型 | 第17-18页 |
| 2.2 非负矩阵分解及算法概念 | 第18-20页 |
| 2.2.1 非负矩阵分解模型 | 第18-19页 |
| 2.2.2 相关概念 | 第19-20页 |
| 2.3 矢量梯度和矩阵梯度 | 第20-21页 |
| 2.3.1 标量函数的矢量梯度和Hessian矩阵 | 第20页 |
| 2.3.2 矢量函数的矢量梯度 | 第20-21页 |
| 2.3.3 标量函数的矩阵梯度 | 第21页 |
| 2.4 梯度下降算法 | 第21-24页 |
| 2.4.1 梯度算法和随机梯度算法 | 第21-22页 |
| 2.4.2 相对梯度算法和自然梯度算法 | 第22-24页 |
| 2.5 基本非负矩阵分解算法 | 第24-27页 |
| 2.5.1 基于极大似然估计的NMF算法 | 第24-25页 |
| 2.5.2 基于欧氏距离的NMF算法 | 第25-26页 |
| 2.5.3 基于散度偏差的NMF算法 | 第26-27页 |
| 2.6 盲源分离算法评价指标 | 第27-28页 |
| 2.6.1 目标函数评价标准 | 第27页 |
| 2.6.2 相关性评价指标 | 第27-28页 |
| 2.6.3 重构信噪比评价指标 | 第28页 |
| 2.7 本章小结 | 第28-29页 |
| 第3章 基于稀疏约束非负矩阵分解的超定盲源分离算法 | 第29-44页 |
| 3.1 算法概述及NMF优势 | 第29-30页 |
| 3.2 稀疏约束的引入 | 第30-31页 |
| 3.2.1 稀疏概念 | 第30页 |
| 3.2.2 稀疏编码 | 第30-31页 |
| 3.3 稀疏约束的非负矩阵分解算法 | 第31-34页 |
| 3.3.1 算法描述 | 第31-32页 |
| 3.3.2 更新估计源信号矩阵 | 第32-33页 |
| 3.3.3 更新混叠矩阵 | 第33页 |
| 3.3.4 算法步骤 | 第33-34页 |
| 3.4 算法仿真及结果分析 | 第34-43页 |
| 3.4.1 稀疏源信号的超定盲源分离 | 第34-38页 |
| 3.4.2 弱稀疏源信号的超定盲源分离 | 第38-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于反馈非负矩阵分解的正定盲源分离算法 | 第44-58页 |
| 4.1 拟牛顿优化算法 | 第44-46页 |
| 4.2 GPCG算法原理 | 第46-47页 |
| 4.3 GPCG非负矩阵分解算法 | 第47-48页 |
| 4.3.1 更新估计源信号矩阵 | 第47-48页 |
| 4.3.2 更新混叠矩阵 | 第48页 |
| 4.4 反馈GPCG非负矩阵分解算法 | 第48-50页 |
| 4.4.1 反馈分离概念 | 第49页 |
| 4.4.2 算法步骤 | 第49-50页 |
| 4.5 算法仿真及结果分析 | 第50-57页 |
| 4.5.1 稀疏源信号的正定盲源分离 | 第50-53页 |
| 4.5.2 弱稀疏源信号的正定盲源分离 | 第53-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 基于联合非负矩阵分解的欠定盲源分离算法 | 第58-68页 |
| 5.1 行列式和稀疏约束的非负矩阵分解 | 第58-59页 |
| 5.1.1 行列式准则 | 第58页 |
| 5.1.2 行列式和稀疏约束的NMF | 第58-59页 |
| 5.2 联合非负矩阵分解算法 | 第59-60页 |
| 5.3 算法仿真及结果分析 | 第60-67页 |
| 5.3.1 稀疏源信号的欠定盲源分离 | 第60-64页 |
| 5.3.2 弱稀疏源信号的欠定盲源分离 | 第64-67页 |
| 5.4 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |