基于独立分量分析的盲分离算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·盲信号分离的起源 | 第10-11页 |
| ·盲源分离及独立分量分析研究现状 | 第11-13页 |
| ·论文的结构安排及创新点 | 第13-15页 |
| ·论文的结构安排 | 第13-14页 |
| ·论文的创新点 | 第14-15页 |
| 第二章 独立分量分析的基本原理 | 第15-34页 |
| ·独立分量分析的概念 | 第15-16页 |
| ·独立分量分析的基本模型 | 第16-17页 |
| ·独立分量分析求解的限制条件及不确定性 | 第17-19页 |
| ·独立分量分析的一般求解过程 | 第19-30页 |
| ·预处理 | 第19-20页 |
| ·目标函数的选择 | 第20-26页 |
| ·优化算法的选择 | 第26-30页 |
| ·分离性能评价函数 | 第30-33页 |
| ·性能指数 | 第31页 |
| ·相似系数 | 第31-32页 |
| ·其他的评价函数 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于小波ICA的步长自适应改进算法 | 第34-53页 |
| ·小波变换 | 第34-39页 |
| ·小波变换的定义 | 第34-37页 |
| ·小波分解 | 第37-39页 |
| ·小波ICA | 第39-41页 |
| ·步长自适应改进算法 | 第41-43页 |
| ·实验仿真 | 第43-52页 |
| ·小波ICA应用于语音及人工信号盲分离 | 第43-47页 |
| ·改进的步长自适应算法进行图像盲分离 | 第47-50页 |
| ·改进的步长自适应算法进行语音盲分离 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 基于混沌搜索的ICA盲分离算法 | 第53-66页 |
| ·混沌 | 第53-58页 |
| ·混沌的起源 | 第53-55页 |
| ·混沌的基本特性 | 第55-56页 |
| ·Logistic映射 | 第56-58页 |
| ·混沌ICA算法的基本思想 | 第58-62页 |
| ·变尺度混沌搜索算法 | 第58-60页 |
| ·混沌ICA算法 | 第60-62页 |
| ·实验仿真 | 第62-65页 |
| ·图像盲分离实验 | 第63-64页 |
| ·语音盲分离实验 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-69页 |
| ·论文工作总结 | 第66-67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录 攻读学位期间发表论文目录 | 第72-73页 |
| 致谢 | 第73-74页 |
