基于小波变换与独立分量分析的信号提取算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·论文研究的背景及意义 | 第10-11页 |
| ·小波理论的发展及研究现状 | 第11-13页 |
| ·独立分量分析发展及研究现状 | 第13-14页 |
| ·本论文的主要研究工作 | 第14-16页 |
| 第2章 小波分析基础 | 第16-27页 |
| ·傅立叶变换与短时傅立叶变换 | 第16-17页 |
| ·傅立叶变换 | 第16-17页 |
| ·短时傅立叶变换 | 第17页 |
| ·小波变换 | 第17-21页 |
| ·小波变换概述 | 第17-18页 |
| ·连续小波变换 | 第18-19页 |
| ·小波变换的等效频域表示 | 第19-20页 |
| ·连续小波变换的性质 | 第20-21页 |
| ·二维离散小波变换 | 第21-25页 |
| ·二维离散小波变换对图像的多尺度分解 | 第21页 |
| ·多分辨率分析 | 第21-23页 |
| ·尺度和离散化的小波变换 | 第23页 |
| ·离散小波变换的 Mallat快速变换 | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 含噪图像边缘提取方法研究 | 第27-40页 |
| ·图像噪声分析 | 第27页 |
| ·关于边缘的描述 | 第27-28页 |
| ·传统边缘提取算法存在的问题 | 第28-29页 |
| ·小波域多尺度边缘检测 | 第29-31页 |
| ·多分辨率边缘检测的理论基础 | 第30-31页 |
| ·小波变换对图像去噪的一般原理 | 第31页 |
| ·有关利用小波层间相关性提取图像边缘的算法 | 第31-35页 |
| ·基于小波层间相关直接相乘的边缘检测算法 | 第32-34页 |
| ·基于小波层间相关前向移位的边缘检测算法 | 第34-35页 |
| ·基于小波层间系数反向移位相关提取含噪图象边缘 | 第35-39页 |
| ·算法描述 | 第35-37页 |
| ·仿真和结果分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 独立分量分析算法基础 | 第40-52页 |
| ·信息论相关知识 | 第40-42页 |
| ·信息熵 | 第40-41页 |
| ·互信息 | 第41页 |
| ·K-L散度和负熵 | 第41-42页 |
| ·独立分量分析(ICA) | 第42-45页 |
| ·ICA的问题描述 | 第42-43页 |
| ·ICA的若干限制条件 | 第43页 |
| ·信号预处理 | 第43-45页 |
| ·ICA的目标函数 | 第45-47页 |
| ·ICA的优化算法 | 第47-51页 |
| ·梯度最速下降算法 | 第48页 |
| ·牛顿法 | 第48-49页 |
| ·相对梯度法(或自然梯度法) | 第49-50页 |
| ·随机梯度下降算法 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于小波变换的信号盲分离 | 第52-62页 |
| ·近似系数与细节系数 | 第52-53页 |
| ·图像的小波变换 | 第53-54页 |
| ·盲源分离算法综述 | 第54-55页 |
| ·基于小波变换的全局最优分离算法 | 第55-58页 |
| ·算法描述 | 第55-56页 |
| ·可分离性分析 | 第56页 |
| ·仿真及结论 | 第56-58页 |
| ·基于小波平滑的超高斯与亚高斯信号盲分离算法 | 第58-61页 |
| ·算法描述 | 第58-59页 |
| ·仿真步骤 | 第59-61页 |
| ·结论分析 | 第61页 |
| ·本章小结 | 第61-62页 |
| 结论与展望 | 第62-63页 |
| 1. 全文总结 | 第62页 |
| 2. 后续工作与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文 | 第68页 |
