盲分离技术的研究及其在缺陷信号处理中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 导论 | 第12-17页 |
| ·概述 | 第12-15页 |
| ·本论文研究的背景、目的 | 第12页 |
| ·国内外研究状况分析 | 第12-15页 |
| ·本论文的研究内容、拟解决的关键问题及创新之处 | 第15-16页 |
| ·研究内容 | 第15页 |
| ·本论文拟解决的关键问题 | 第15-16页 |
| ·本论文的创新之处 | 第16页 |
| ·本文的内容安排 | 第16-17页 |
| 第二章 盲分离的预备知识 | 第17-29页 |
| ·概率与统计特征 | 第17-22页 |
| ·特征函数 | 第17-20页 |
| ·高阶统计量 | 第20-22页 |
| ·信息论的基础知识 | 第22-26页 |
| ·熵 | 第22-23页 |
| ·Kullback-Leibler散度 | 第23-24页 |
| ·互信息 | 第24页 |
| ·负熵 | 第24-25页 |
| ·信号通过线性系统前后有关信息特征的变化 | 第25-26页 |
| ·概率密度函数的级数展开 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 盲源分离的基本原理 | 第29-52页 |
| ·信号源盲分离问题 | 第29-32页 |
| ·问题描述 | 第29-30页 |
| ·盲分离中的不确定性 | 第30-31页 |
| ·基本假设 | 第31-32页 |
| ·盲源分离和独立分量分析的关系 | 第32页 |
| ·ICA或BSS的独立性判据 | 第32-35页 |
| ·互信息量最小化准则 | 第32-33页 |
| ·信息极大化判据 | 第33-34页 |
| ·极大似然判据 | 第34页 |
| ·非高斯性判据 | 第34-35页 |
| ·独立分量分析的优化算法 | 第35-40页 |
| ·相对梯度学习算法 | 第35-39页 |
| ·ICA的固定点算法 | 第39-40页 |
| ·ICA算法的实验仿真 | 第40-46页 |
| ·ICA的预处理 | 第40-41页 |
| ·实验仿真 | 第41-46页 |
| ·独立信源个数的估计 | 第46-51页 |
| ·信号源数目的估计模型 | 第46页 |
| ·无噪声时独立信号源数目的估计 | 第46-47页 |
| ·有噪声时独立信号源数目的估计 | 第47-49页 |
| ·算法仿真 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 盲分离在检测信号处理中的应用 | 第52-60页 |
| ·检测信号的获取 | 第52-54页 |
| ·基于盲分离的多路检测数据处理系统结构设计 | 第54-56页 |
| ·系统实验仿真 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·本文主要研究成果 | 第60页 |
| ·进一步的探索和展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的论文 | 第65页 |
