基于双系统自适应耦合的动量项盲源分离算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景和意义 | 第9-10页 |
| ·盲源分离的发展历史 | 第10-11页 |
| ·盲源分离的发展现状 | 第11-12页 |
| ·盲源分离的应用 | 第12-14页 |
| ·本论文的主要工作和结构安排 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 2 盲源分离基本理论 | 第16-36页 |
| ·盲源分离的数学模型 | 第16-21页 |
| ·数学模型 | 第16-19页 |
| ·混合信号的可分离性 | 第19-20页 |
| ·盲源分离的不确定性 | 第20-21页 |
| ·基础理论 | 第21-27页 |
| ·信息熵 | 第22-24页 |
| ·KL 散度 | 第24-25页 |
| ·互信息 | 第25-26页 |
| ·负熵 | 第26-27页 |
| ·信号预处理 | 第27-30页 |
| ·信号的零均值化 | 第28页 |
| ·信号的预白化 | 第28-30页 |
| ·代价函数优化准则 | 第30-33页 |
| ·最小互信息准则 | 第30-31页 |
| ·联合对角化准则 | 第31页 |
| ·最大熵准则 | 第31-32页 |
| ·最大似然准则 | 第32-33页 |
| ·盲源分离性能评价准则 | 第33-35页 |
| ·传递矩阵的评价准则 | 第33-34页 |
| ·信号的评价准则 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 3 盲源分离算法 | 第36-51页 |
| ·批处理盲源分离算法 | 第36-43页 |
| ·FOBI 批处理算法 | 第37-38页 |
| ·JADE 批处理算法 | 第38-40页 |
| ·固定点算法 | 第40-41页 |
| ·随机梯度 ICA 批处理算法 | 第41-43页 |
| ·自适应盲源分离算法 | 第43-50页 |
| ·Infomax 算法 | 第44-46页 |
| ·基于最大信噪比的盲源分离算法 | 第46-48页 |
| ·EASI 算法 | 第48-50页 |
| ·小结 | 第50-51页 |
| 4 加入动量项的自然梯度算法 | 第51-72页 |
| ·自然梯度算法 | 第51-54页 |
| ·NGA 仿真实验 | 第54-58页 |
| ·融入动量项的自然梯度算法 | 第58-63页 |
| ·前馈神经网络 | 第58-62页 |
| ·动量项自然梯度算法 | 第62-63页 |
| ·NGA-MF 算法仿真实验 | 第63-71页 |
| ·平稳环境下的仿真 | 第63-67页 |
| ·非平稳环境下的仿真 | 第67-71页 |
| ·小结 | 第71-72页 |
| 5 双系统耦合的动量项自然梯度算法 | 第72-92页 |
| ·双系统耦合的动量项自然梯度算法 | 第72-74页 |
| ·双系统耦合的动量项自然梯度算法仿真实验 | 第74-83页 |
| ·平稳环境下的仿真实验 | 第74-78页 |
| ·非平稳环境下的仿真实验 | 第78-83页 |
| ·双系统耦合的动量项自然梯度算法的优化算法 | 第83-84页 |
| ·优化算法的仿真实验 | 第84-91页 |
| ·平稳环境下的仿真 | 第84-86页 |
| ·非平稳环境下的仿真 | 第86-91页 |
| ·小结 | 第91-92页 |
| 6 总结与展望 | 第92-94页 |
| ·总结 | 第92-93页 |
| ·展望 | 第93-94页 |
| 参考文献 | 第94-98页 |
| 附录[1]攻读硕士期间发表及录用的学术论文 | 第98-99页 |
| 致谢 | 第99-100页 |
