| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景与意义 | 第10-11页 |
| ·盲源分离的技术研究概况 | 第11-13页 |
| ·盲信号处理的应用 | 第13-16页 |
| ·本文的研究工作和内容安排 | 第16-18页 |
| 第2章 盲源分离的基本理论 | 第18-30页 |
| ·相关的理论基础 | 第18-21页 |
| ·盲源分离的数学模型 | 第21-23页 |
| ·盲源分离的假设及不确定性 | 第23-26页 |
| ·实现盲源分离的假设条件 | 第23-24页 |
| ·多个高斯源的不可分离性 | 第24-25页 |
| ·盲源分离的不确定性 | 第25-26页 |
| ·盲源分离的目标函数 | 第26-28页 |
| ·小结 | 第28-30页 |
| 第3章 盲源分离的常用算法研究 | 第30-42页 |
| ·独立性判据 | 第30-33页 |
| ·互信息最小化判据 | 第30页 |
| ·信息最大化判据 | 第30-31页 |
| ·极大似然估计判据 | 第31-32页 |
| ·非线性PCA判据 | 第32-33页 |
| ·常用算法 | 第33-39页 |
| ·INFORMAX算法 | 第33-34页 |
| ·Extended-ICA算法 | 第34-35页 |
| ·负熵最大化 | 第35-37页 |
| ·基于牛顿迭代的快速ICA算法 | 第37-38页 |
| ·高阶统计量方法 | 第38-39页 |
| ·盲源分离性能的评价标准 | 第39-41页 |
| ·基于混合-分离矩阵的评价准则 | 第40页 |
| ·基于信号波形的评价准则 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第4章 基于自适应变步长自然梯度算法的盲源分离 | 第42-56页 |
| ·自然梯度算法 | 第42-47页 |
| ·基于信息最大化目标函数的自然梯度算法 | 第42-44页 |
| ·基于互信息量最小化目标函数的自然梯度算法 | 第44-47页 |
| ·算法中的非线性函数 | 第47页 |
| ·变步长自然梯度算法 | 第47-51页 |
| ·仿真结果及分析 | 第51-55页 |
| ·小结 | 第55-56页 |
| 第5章 盲源分离的不完整自然梯度算法及其稳定性研究 | 第56-66页 |
| ·不完整自然梯度算法 | 第56-58页 |
| ·不完整自然梯度算法的性质 | 第58-61页 |
| ·正交性 | 第58-60页 |
| ·不完整性 | 第60-61页 |
| ·稳定性分析 | 第61-62页 |
| ·仿真结果及分析 | 第62-64页 |
| ·小结 | 第64-66页 |
| 第6章 总结及有待解决的问题 | 第66-68页 |
| ·总结 | 第66页 |
| ·有待解决的问题 | 第66-68页 |
| 参考文献 | 第68-76页 |
| 致谢 | 第76-78页 |
| 攻读学位期间发表的论著 | 第78页 |