| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的主要工作和各章节内容安排 | 第11-14页 |
| 1.3.1 论文主要工作 | 第11-12页 |
| 1.3.2 各章节内容安排 | 第12-14页 |
| 第二章 信号模型的建立及其分离方法 | 第14-35页 |
| 2.1 建立信号的模型 | 第14页 |
| 2.2 单通道盲分离的可分离性 | 第14-15页 |
| 2.3 常用的两种多通道盲分离方法 | 第15-23页 |
| 2.3.1 独立分量分析解决上述模型的多通道盲分离问题 | 第15-19页 |
| 2.3.2 基于时频分布盲分离方法解决该模型的多通道盲分离问题 | 第19-23页 |
| 2.4 虚拟多通道理论 | 第23-29页 |
| 2.4.1 空时法 | 第23页 |
| 2.4.2 时频域分解法 | 第23-29页 |
| 2.5 虚拟通道分离方法 | 第29-34页 |
| 2.5.1 EMD-ICA算法和EMD-TFBSS | 第29-32页 |
| 2.5.2 相空间重构-ICA和相空间重构-TFBSS | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 基于遗传与最小值搜索混合的盲信号分离算法 | 第35-52页 |
| 3.1 转化成多维变量参数估计问题 | 第35-36页 |
| 3.2 分离方法理论及流程图 | 第36-43页 |
| 3.2.1 Nelder-Mead搜索算法 | 第36-39页 |
| 3.2.2 遗传算法理论 | 第39-43页 |
| 3.3 分离方法步骤 | 第43-44页 |
| 3.3.1 用遗传算法求λ的初始值 | 第43页 |
| 3.3.2 采用最小值搜索法求出λ的最优值 | 第43-44页 |
| 3.3.3 计算各个源信号 | 第44页 |
| 3.4 仿真实验及结果 | 第44-51页 |
| 3.4.1 一个信号分量的分离 | 第45-47页 |
| 3.4.2 两个信号的盲分离 | 第47-49页 |
| 3.4.3 多个信号分量的分离 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 带预估计的混合盲分离算法 | 第52-64页 |
| 4.1 分离方法步骤 | 第52-54页 |
| 4.1.1 根据信号的特性预估计P和t_0 | 第52-53页 |
| 4.1.2 计算λ的初始值 | 第53-54页 |
| 4.1.3 计算λ的最优值 | 第54页 |
| 4.1.4 计算各个正弦调制高斯脉冲信号 | 第54页 |
| 4.2 算法流程图 | 第54-55页 |
| 4.3 仿真实验及讨论 | 第55-62页 |
| 4.3.1 单个信号分量的分离 | 第55-56页 |
| 4.3.2 两个信号分量的分离 | 第56-60页 |
| 4.3.3 多个信号分量的分离 | 第60-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士期间发表的论文 | 第72-73页 |
| 致谢 | 第73-74页 |
| 作者简介 | 第74页 |
