盲源分离算法及应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-20页 |
| ·课题背景及意义 | 第12-14页 |
| ·盲源分离的数学模型 | 第14-16页 |
| ·盲源分离的研究现状 | 第16-18页 |
| ·论文主要工作 | 第18-19页 |
| ·论文组织结构 | 第19-20页 |
| 第2章 盲源分离的理论基础和主要算法 | 第20-43页 |
| ·概率与统计理论 | 第20-22页 |
| ·随机变量的统计独立性 | 第20-21页 |
| ·高阶累积量和峭度 | 第21-22页 |
| ·信息理论 | 第22-27页 |
| ·熵 | 第23-24页 |
| ·Kullback-Leibler散度 | 第24-25页 |
| ·互信息 | 第25-26页 |
| ·负熵 | 第26-27页 |
| ·独立分量分析基础 | 第27-31页 |
| ·ICA的基本模型 | 第27-29页 |
| ·ICA的不确定性 | 第29页 |
| ·算法评价准则 | 第29-31页 |
| ·盲源分离的主要算法 | 第31-42页 |
| ·基于高阶统计量的盲源分离 | 第32-35页 |
| ·基于信息论的盲源分离 | 第35-40页 |
| ·基于二阶统计量的盲源分离 | 第40-41页 |
| ·基于源信号稀疏性的盲源分离 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 频域盲分离算法中的排序不确定问题 | 第43-58页 |
| ·引言 | 第43-44页 |
| ·卷积混合信号盲分离 | 第44-48页 |
| ·时域方法 | 第44-46页 |
| ·频域方法 | 第46-47页 |
| ·排序不确定性问题 | 第47-48页 |
| ·基于频谱幅度相关矩阵的排序不确定性去除算法 | 第48-57页 |
| ·算法原理 | 第48-50页 |
| ·算法过程 | 第50-53页 |
| ·实验与分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 欠定情况下的时频域盲分离算法 | 第58-82页 |
| ·引言 | 第58-59页 |
| ·基于时频分析的盲分离方法 | 第59-63页 |
| ·基于Wigner-Vill分布的时频盲分离算法 | 第59-61页 |
| ·DUET算法 | 第61-63页 |
| ·基于听觉特征聚类的盲分离算法 | 第63-75页 |
| ·人耳听觉模型 | 第63-67页 |
| ·混合模型 | 第67-68页 |
| ·听觉外周模型处理 | 第68-69页 |
| ·聚类分析及信号分离 | 第69-71页 |
| ·实验与分析 | 第71-75页 |
| ·欠定情况下的卷积盲分离算法 | 第75-81页 |
| ·混合模型 | 第75-76页 |
| ·聚类分析 | 第76-77页 |
| ·源信号恢复 | 第77-78页 |
| ·实验与分析 | 第78-81页 |
| ·本章小结 | 第81-82页 |
| 第5章 基于稀疏分量分析的盲源分离 | 第82-102页 |
| ·引言 | 第82页 |
| ·二阶段式的盲源分离 | 第82-87页 |
| ·混合矩阵的估计 | 第83-85页 |
| ·源信号的恢复 | 第85-87页 |
| ·基于网格和密度聚类的稀疏源信号盲分离方法 | 第87-94页 |
| ·混合参数估计 | 第87-89页 |
| ·源信号的恢复 | 第89-91页 |
| ·实验与分析 | 第91-94页 |
| ·基于匹配追踪的稀疏源信号恢复算法 | 第94-100页 |
| ·混合矩阵的估计 | 第94-95页 |
| ·源信号的恢复 | 第95-97页 |
| ·实验与分析 | 第97-100页 |
| ·本章小结 | 第100-102页 |
| 结论 | 第102-104页 |
| 参考文献 | 第104-118页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第118-119页 |
| 致谢 | 第119页 |
