| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| §1-1 引言 | 第9页 |
| §1-2 课题研究背景 | 第9-13页 |
| 1-2-1 去除心电信号中的呼吸信号的研究进展 | 第9-12页 |
| 1-2-2 盲分离与独立分量分析 | 第12页 |
| 1-2-3 ICA 在生物医学信号处理中的应用 | 第12-13页 |
| §1-3 本文主要研究工作 | 第13-14页 |
| 第二章 独立分量分析理论 | 第14-21页 |
| §2-1 引言 | 第14页 |
| §2-2 独立分量分析的定义 | 第14-16页 |
| 2-2-1 独立分量分析的线性模型 | 第14-16页 |
| 2-2-2 噪声ICA | 第16页 |
| §2-3 独立分量分析的发展简史 | 第16-17页 |
| §2-4 独立分量分析的相关数学知识 | 第17-19页 |
| 2-4-1 概率论知识 | 第17页 |
| 2-4-2 统计知识 | 第17-19页 |
| §2-5 独立分量分析法的独立性度量 | 第19-20页 |
| 2-5-1 非高斯性极大 | 第19-20页 |
| 2-5-2 互信息量最小 | 第20页 |
| §2-6 小结 | 第20-21页 |
| 第三章 基于信息论的独立分量分析算法 | 第21-30页 |
| §3-1 引言 | 第21页 |
| §3-2 数据的预处理 | 第21-22页 |
| §3-3 基于信息论的独立分量分析算法 | 第22-28页 |
| 3-3-1 FastICA 算法 | 第22-25页 |
| 3-3-2 Infomax 算法 | 第25-28页 |
| 3-3-3 互信息最小算法 | 第28页 |
| 3-3-4 最大似然算法 | 第28页 |
| §3-4 本章小结 | 第28-30页 |
| 第四章 实验与仿真 | 第30-45页 |
| §4-1 数据的产生和预处理 | 第30-31页 |
| 4-1-1 数据的产生 | 第30页 |
| 4-1-2 数据的预处理 | 第30页 |
| 4-1-3 ICA 算法选择 | 第30-31页 |
| §4-2 1CA 算法的计算机仿真试验 | 第31-39页 |
| 4-2-1 ICA 算法在 ECG 去噪中的应用 | 第31-36页 |
| 4-2-2 ICA 算法在分离呼吸信号中的应用 | 第36-39页 |
| §4-3 基于实际数据的 ICA 算法在分离呼吸信号中的应用 | 第39-44页 |
| 4-3-1 ICA 算法的信号分离 | 第39-43页 |
| 4-3-2 ICA 算法的性能分析 | 第43-44页 |
| §4-4 小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49页 |