盲源分离技术及应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·盲源分离问题综述 | 第11-15页 |
| ·盲源分离的基本模型 | 第11-12页 |
| ·盲源分离发展的历史及研究现状 | 第12-15页 |
| ·论文研究内容及结构安排 | 第15-16页 |
| 第2章 盲源分离技术 | 第16-34页 |
| ·盲源分离的实现原理 | 第16-21页 |
| ·相关的理论知识 | 第16-19页 |
| ·盲源分离的不确定性和前提假设 | 第19-20页 |
| ·盲源分离的独立性测度准则 | 第20-21页 |
| ·盲源分离的求解过程及性能指标 | 第21-28页 |
| ·中心化、白化预处理 | 第21-22页 |
| ·目标函数的选择与等价化证明 | 第22-27页 |
| ·两种衡量盲源分离性能的指标 | 第27-28页 |
| ·盲源分离的主要方法 | 第28-33页 |
| ·H-J算法 | 第28页 |
| ·信息最大化法(Infomax) | 第28-32页 |
| ·互信息最小法(MMI) | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 含噪图像盲分离方法 | 第34-50页 |
| ·含噪盲源分离的基本模型和一般方法 | 第34-35页 |
| ·小波门限法去噪 | 第35-37页 |
| ·小波图像闭值去噪的基本原理 | 第36页 |
| ·小波阈值化方法 | 第36-37页 |
| ·曲波(Curvelet)门限法去噪 | 第37-40页 |
| ·Curvelet变换 | 第38-39页 |
| ·基于Curvelet变换的去噪算法 | 第39-40页 |
| ·基于小波和曲波联合去噪的含噪图像分离 | 第40-45页 |
| ·小波和曲波联合去噪 | 第40-41页 |
| ·FastICA算法 | 第41-44页 |
| ·含噪图像分离模型 | 第44-45页 |
| ·含噪图像分离仿真实验与性能分析 | 第45-48页 |
| ·本章小结 | 第48-50页 |
| 第4章 基于自适应粒子群算法的盲源分离算法 | 第50-59页 |
| ·基本粒子群算法 | 第50-51页 |
| ·自适应粒子群优化算法(APSO) | 第51-52页 |
| ·基于APSO的盲源分离算法 | 第52-54页 |
| ·混合语音信号分离仿真实验与性能分析 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 混合雷达信号的盲分离 | 第59-65页 |
| ·阵列接收信号模型 | 第59-60页 |
| ·接收信号的特性分析 | 第60-61页 |
| ·混合雷达接收信号盲分离仿真实验与性能分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间所发表的论文和取得的科研成果 | 第71-72页 |
| 致谢 | 第72页 |
