| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·盲信号处理的研究背景 | 第7页 |
| ·盲信号处理的历史及发展 | 第7-8页 |
| ·盲信号处理的应用 | 第8-10页 |
| ·本论文主要内容及结构概要 | 第10-11页 |
| 第二章 盲源分离概述 | 第11-18页 |
| ·盲源分离的数学描述 | 第11-12页 |
| ·BSS 的基本假设 | 第12-13页 |
| ·盲源分离的可解性 | 第13-15页 |
| ·分划矩阵 | 第13-14页 |
| ·混合矩阵的可分解性 | 第14-15页 |
| ·盲源分离的一般研究方法 | 第15-16页 |
| ·盲源分离算法的评价准则 | 第16-17页 |
| ·基于混合矩阵的评价准则 | 第16页 |
| ·基于信号的评价准则 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 盲源分离的典型算法 | 第18-33页 |
| ·盲源分离的基础知识 | 第18-23页 |
| ·概率论基础 | 第18-19页 |
| ·信息论基础 | 第19-20页 |
| ·统计理论基础 | 第20-23页 |
| ·对照函数 | 第23页 |
| ·基于高阶统计的算法 | 第23-25页 |
| ·隐累积量算法 | 第23-24页 |
| ·显累积量算法 | 第24-25页 |
| ·基于信息理论的方法 | 第25-28页 |
| ·信息最大化（Informax）算法 | 第25-26页 |
| ·最大似然估计（MLE）算法 | 第26-27页 |
| ·最小互信息（MMI）算法 | 第27-28页 |
| ·主成分分析（PCA） | 第28-29页 |
| ·独立成分分析（ICA） | 第29-32页 |
| ·ICA 的概念 | 第29-30页 |
| ·基于负熵的FastICA | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 无噪声时独立信号源个数的估计 | 第33-38页 |
| ·零空间估计法 | 第33页 |
| ·计算观测信号数据矩阵的秩的方法 | 第33-34页 |
| ·实验仿真 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第五章 有噪声时独立信号源个数的估计 | 第38-56页 |
| ·特征值分解法 | 第38-42页 |
| ·特征值分解法原理 | 第38-39页 |
| ·实验仿真 | 第39-42页 |
| ·基于信息论的估计准则 | 第42-47页 |
| ·AIC 与MDL 准则原理 | 第42-44页 |
| ·AIC 与MDL 准则的性能分析 | 第44-46页 |
| ·实验仿真 | 第46-47页 |
| ·BIC（Bayesian Information Criteria）准则 | 第47-49页 |
| ·BIC 原理 | 第47-49页 |
| ·实验仿真 | 第49页 |
| ·特征值分解法、AIC 准则、MDL 准则与BIC 准则的比较 | 第49-55页 |
| ·采样点个数变化下四种估计方法的比较 | 第50-52页 |
| ·信噪比变化下四种估计方法的比较 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 发表论文和科研情况说明 | 第60-61页 |
| 致谢 | 第61页 |