基于自然梯度的fast-ICA算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究的背景和意义 | 第13页 |
| 1.2 盲信号分离的发展历程及其研究现状 | 第13-16页 |
| 1.3 盲信号分离的应用 | 第16-17页 |
| 1.4 本文结构安排 | 第17-19页 |
| 第二章 盲信号分离的基本理论与基本方法 | 第19-35页 |
| 2.1 盲信号分离的基本理论 | 第19-21页 |
| 2.1.1 盲信号分离基本模型 | 第19-20页 |
| 2.1.2 盲信号分离模型假设 | 第20页 |
| 2.1.3 盲信号分离的不确定性 | 第20-21页 |
| 2.2 盲信号分离基本方法 | 第21-35页 |
| 2.2.1 目标函数 | 第21-24页 |
| 2.2.2 优化理论 | 第24-28页 |
| 2.2.3 BSS算法类型 | 第28-32页 |
| 2.2.4 算法仿真 | 第32-35页 |
| 第三章 fast-ICA算法 | 第35-45页 |
| 3.1 预处理 | 第35-36页 |
| 3.2 非高斯性度量 | 第36-39页 |
| 3.2.1 峭度作为非高斯性的度量 | 第36-37页 |
| 3.2.2 负熵作为非高斯性的度量 | 第37-39页 |
| 3.3 基于负熵的算法 | 第39-41页 |
| 3.3.1 基于负熵的梯度算法 | 第39页 |
| 3.3.2 基于负熵的fast-ICA算法 | 第39-41页 |
| 3.6 算法仿真 | 第41-43页 |
| 3.7 小结 | 第43-45页 |
| 第四章 基于自然梯度的fast-ICA算法 | 第45-51页 |
| 4.1 约束条件 | 第45页 |
| 4.2 无预白化的fast-ICA算法 | 第45-46页 |
| 4.3 基于自然梯度的fast-ICA算法 | 第46-47页 |
| 4.4 算法仿真 | 第47-50页 |
| 4.5 小结 | 第50-51页 |
| 第五章 结论与展望 | 第51-53页 |
| 5.1 本文工作总结 | 第51页 |
| 5.2 盲信号处理领域展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 作者简介 | 第59-60页 |
