| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-32页 |
| ·引言 | 第12页 |
| ·瞬时混合盲源分离研究发展与现状 | 第12-16页 |
| ·卷积混合盲源分离研究发展与现状 | 第16-19页 |
| ·本文的研究内容 | 第19-21页 |
| 参考文献 | 第21-32页 |
| 第二章 盲源分离的基础知识 | 第32-46页 |
| ·引言 | 第32-33页 |
| ·瞬时混合盲源分离 | 第33-38页 |
| ·信号模型与假设 | 第33-34页 |
| ·可分离性与分离原则 | 第34-37页 |
| ·分离系统与分离性能 | 第37-38页 |
| ·卷积混合盲源分离 | 第38-42页 |
| ·信号模型与假设 | 第38-39页 |
| ·可分离性与分离原则 | 第39-40页 |
| ·分离系统与分离性能 | 第40-42页 |
| ·本章小结 | 第42页 |
| 参考文献 | 第42-46页 |
| 第三章 改进的自然梯度算法 | 第46-68页 |
| ·引言 | 第46-47页 |
| ·自适应改进的自然梯度算法 | 第47-59页 |
| ·自然梯度算法 | 第47-50页 |
| ·结合动量项的自然梯度算法 | 第50-52页 |
| ·参数自适应控制算法 | 第52-54页 |
| ·仿真实验 | 第54-59页 |
| ·基于自然梯度和非线性主分量分析的块递归盲源分离算法 | 第59-64页 |
| ·递归最小二乘盲源分离算法 | 第60-61页 |
| ·块递归的自适应盲源分离算法 | 第61-62页 |
| ·仿真实验 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 第四章 基于变遗忘因子递归广义特征分解的盲源分离算法 | 第68-84页 |
| ·引言 | 第68-69页 |
| ·基于广义特征分解的盲源分离算法 | 第69-70页 |
| ·递归广义特征分解的盲源分离算法 | 第70-73页 |
| ·递归更新 | 第70-71页 |
| ·近似幂迭代方法 | 第71-72页 |
| ·压缩处理 | 第72-73页 |
| ·混合矩阵突变时基于时变遗忘因子的递归盲源分离算法 | 第73-76页 |
| ·时变遗忘因子 | 第73-74页 |
| ·在线决策规则 | 第74-76页 |
| ·仿真实验 | 第76-80页 |
| ·本章小结 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 第五章 数目未知的语音信号瞬时混合的盲分离与信源数目检测算法 | 第84-104页 |
| ·引言 | 第84-86页 |
| ·基于广义特征分解的非平稳信号的盲提取算法 | 第86-88页 |
| ·非平稳信号构成矩阵束的广义特征分解 | 第86-87页 |
| ·基于递归广义特征分解的盲提取算法 | 第87-88页 |
| ·数目未知的语音信号瞬时混合盲分离与信源数目检测算法 | 第88-96页 |
| ·语音信号在线提取特性分析 | 第88-91页 |
| ·信源数目检测与分离算法 | 第91-96页 |
| ·仿真实验 | 第96-101页 |
| ·本章小结 | 第101页 |
| 参考文献 | 第101-104页 |
| 第六章 基于多信道信号增强的卷积混合语音信号盲分离的后处理算法 | 第104-120页 |
| ·引言 | 第104-106页 |
| ·频域盲源分离算法 | 第106-110页 |
| ·卷积混合盲源分离问题的数学模型 | 第106-107页 |
| ·频域盲源分离算法 | 第107-110页 |
| ·基于多信道信号增强的后处理算法 | 第110-113页 |
| ·分裂的语谱与多信道信号增强模型的关系 | 第110-111页 |
| ·基于多信道信号增强的后处理算法 | 第111-113页 |
| ·仿真实验 | 第113-115页 |
| ·本章小结 | 第115-117页 |
| 参考文献 | 第117-120页 |
| 第七章 结束语 | 第120-123页 |
| ·本文内容总结 | 第120-121页 |
| ·工作展望 | 第121-123页 |
| 致谢 | 第123-124页 |
| 作者在读期间的研究成果 | 第124-125页 |
