基于负熵和高斯矩的有噪ICA盲源分离算法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-21页 |
| ·盲源分离的起源 | 第10-11页 |
| ·盲源分离的发展动态 | 第11-17页 |
| ·线性瞬时混合信号的盲源分离 | 第11-13页 |
| ·非线性瞬时混合信号的盲源分离 | 第13-15页 |
| ·国内盲源分离的研究 | 第15-17页 |
| ·盲源分离技术的应用 | 第17-19页 |
| ·在机械故障诊断中的应用 | 第17-18页 |
| ·在医学信号处理中的应用 | 第18页 |
| ·在通信信号处理中的应用 | 第18-19页 |
| ·在数字水印技术中的应用 | 第19页 |
| ·在图像处理中的应用 | 第19页 |
| ·本论文的结构安排 | 第19-21页 |
| 第二章 基础理论 | 第21-33页 |
| ·盲源分离基本算法模型 | 第21-24页 |
| ·瞬时线性混合模型 | 第21-22页 |
| ·线性卷积混合模型 | 第22-23页 |
| ·瞬时非线性混合模型 | 第23-24页 |
| ·盲源分离的特点 | 第24-27页 |
| ·主分量分析 | 第27-29页 |
| ·数据的预处理 | 第29-30页 |
| ·中心化 | 第29页 |
| ·白化 | 第29-30页 |
| ·盲源分离模型的可辨析性 | 第30-31页 |
| ·盲源分离算法的分离效果评判指标 | 第31-33页 |
| 第三章 基于ICA的盲源分离算法 | 第33-61页 |
| ·独立分量分析的相关数学知识 | 第33-39页 |
| ·概率论知识 | 第33-34页 |
| ·统计知识 | 第34-36页 |
| ·信息论知识 | 第36-39页 |
| ·独立分量分析的经典代价函数 | 第39-49页 |
| ·基于信息论的方法 | 第39-45页 |
| ·基于极大似然估计(MLE)的方法 | 第45-46页 |
| ·基于高阶累积量的方法 | 第46-49页 |
| ·独立分量分析的几种典型的学习算法 | 第49-60页 |
| ·随机梯度学习算法 | 第49-51页 |
| ·自然梯度学习算法 | 第51-54页 |
| ·固定点算法 | 第54-58页 |
| ·EASI算法 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 基于负熵最大化的定点ICA算法 | 第61-73页 |
| ·非高斯性的度量测度及其简化 | 第61-63页 |
| ·算法推导 | 第63-65页 |
| ·计算机仿真 | 第65-73页 |
| 第五章 基于高斯矩的有噪ICA定点算法 | 第73-84页 |
| ·拟白化 | 第73-74页 |
| ·高斯矩 | 第74-75页 |
| ·算法推导 | 第75-76页 |
| ·计算机仿真 | 第76-84页 |
| 第六章 总结与展望 | 第84-86页 |
| ·论文的主要工作 | 第84页 |
| ·展望 | 第84-86页 |
| 参考文献 | 第86-93页 |
| 致谢 | 第93-94页 |
| 攻读学位期间发表的学术论文目录 | 第94页 |
