| 一 绪论 | 第1-16页 |
| 1 盲源分离问题的提出 | 第10-12页 |
| 2 盲源分离问题的发展现状 | 第12-14页 |
| 3 盲源分离的应用 | 第14页 |
| 4 论文结构 | 第14-16页 |
| 二 瞬时混合盲源分离的数学模型 | 第16-28页 |
| 1 盲源分离的数学模型 | 第16-20页 |
| (1) 统计独立性与独立性的度量 | 第18-20页 |
| (2) 可辨识性 | 第20页 |
| 2 盲源分离的一些基本知识 | 第20-24页 |
| (1) 盲源分离的可实现性 | 第21-22页 |
| (2) 盲源分离的不确定性 | 第22页 |
| (3) 盲源分离解的等价性 | 第22-23页 |
| (4) 盲源分离的等变化性 | 第23-24页 |
| 3 盲源分离一般方法研究 | 第24-25页 |
| 4 盲源分离算法性能评价准则 | 第25-27页 |
| (1) 基于混合矩阵的评价准则 | 第25-26页 |
| (2) 基于信号的评价准则 | 第26-27页 |
| 5 本章小结 | 第27-28页 |
| 三 盲源分离的典型算法 | 第28-39页 |
| 1 基于高阶统计的算法 | 第28-31页 |
| (1) 隐累积量算法 | 第29-30页 |
| (2) 显累积量算法 | 第30-31页 |
| 2 基于信息理论的算法 | 第31-34页 |
| (1) 信息最大化算法 | 第31-32页 |
| (2) 最小互信息量算法 | 第32-34页 |
| (3) 最大似然估计 | 第34页 |
| 3 主分量分析 | 第34-36页 |
| 4 独立分量分析 | 第36-38页 |
| 5 算法总结 | 第38-39页 |
| 四 基于变步长的盲源分离算法 | 第39-58页 |
| 1 自然梯度算法 | 第39-41页 |
| 2 自然梯度变步长算法 | 第41-43页 |
| (1) 变步长思想 | 第41-42页 |
| (2) 自然梯度变步长算法 | 第42-43页 |
| 3 基于Stiefel Manifold上的变步长盲源分离算法 | 第43-49页 |
| (1) 预白化 | 第44-45页 |
| (2) Stiefel Manifold上的梯度自适应算法 | 第45-47页 |
| (3) Stiefel Manifold上的梯度变步长算法 | 第47-49页 |
| (4) 新算法的等变化性 | 第49页 |
| 4 实验仿真 | 第49-57页 |
| 5 本章小结 | 第57-58页 |
| 五 基于乘子罚函数的盲源分离算法 | 第58-75页 |
| 1 EASI算法 | 第58-60页 |
| 2 简单罚函数(双梯度)算法 | 第60-62页 |
| (1) 罚函数思想 | 第60-61页 |
| (2) 简单罚函数法 | 第61-62页 |
| 3 基于乘子罚函数的盲源分离算法 | 第62-64页 |
| (1) 乘子罚函数法 | 第62-64页 |
| (2) 新算法的等变化性 | 第64页 |
| 4 实验仿真 | 第64-74页 |
| 5 本章小结 | 第74-75页 |
| 六 总结与展望 | 第75-77页 |
| 1 论文的主要工作 | 第75页 |
| 2 展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-84页 |
| 攻读学位期间发表的学术论文 | 第84页 |
