| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-15页 |
| ·盲分离的研究背景和意义 | 第9页 |
| ·盲分离的发展现状及应用 | 第9-12页 |
| ·盲分离的发展现状 | 第9-11页 |
| ·盲分离在现实中的应用 | 第11-12页 |
| ·盲信号处理的分类 | 第12-13页 |
| ·本文的主要工作和内容安排 | 第13-15页 |
| 2. 盲分离的基本理论 | 第15-32页 |
| ·盲分离的数学模型和可分离理论 | 第15-20页 |
| ·盲分离的数学模型 | 第15-17页 |
| ·盲分离的可分离理论 | 第17-18页 |
| ·盲分离的不确定性 | 第18-20页 |
| ·盲分离的基础理论知识 | 第20-24页 |
| ·信息熵 | 第20-22页 |
| ·KL(Kullback -Leibler) 散度 | 第22页 |
| ·互信息量 | 第22-23页 |
| ·负熵 | 第23-24页 |
| ·预处理 | 第24-25页 |
| ·信号的白化 | 第24-25页 |
| ·信号的零均值化 | 第25页 |
| ·代价函数优化准则 | 第25-29页 |
| ·联合对角化准则 | 第26页 |
| ·最小互信息准则(Minimum Mutural Information MMI) | 第26-27页 |
| ·最大熵准则 | 第27-28页 |
| ·最大似然准则(Maximum Likelihood) | 第28-29页 |
| ·盲分离性能评价标准 | 第29-31页 |
| ·系统矩阵的评价准则 | 第29-30页 |
| ·信号评价准则 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 3 盲源分离算法 | 第32-50页 |
| ·批处理算法 | 第32-35页 |
| ·FastICA 算法 | 第32-34页 |
| ·随机梯度 ICA 批处理算法 | 第34-35页 |
| ·自适应盲分离算法 | 第35-45页 |
| ·Infomax 算法 | 第36-37页 |
| ·EASI 算法 | 第37-39页 |
| ·自然梯度算法(NGA) | 第39-41页 |
| ·符号自然梯度算法(SNGA) | 第41-44页 |
| ·变步长符号自然梯度算法(VS-S-NGA) | 第44-45页 |
| ·算法的实验仿真和性能分析 | 第45-49页 |
| ·小结 | 第49-50页 |
| 4.双动量项变步长符号自然梯度算法 | 第50-72页 |
| ·动量项变步长符号自然梯度算法(V-SNGA-D) | 第50-52页 |
| ·步长动量项变步长符号自然梯度算法(V-SNGA-SM) | 第52-53页 |
| ·双动量项变步长符号自然梯度算法(V-SNGA-DM) | 第53-55页 |
| ·算法的性能仿真与对比 | 第55-71页 |
| ·与动量项变步长符号自然梯度算的对比 | 第55-65页 |
| ·与步长动量项变步长符号自然梯度算法(VSNGA-SM)对比 | 第65-71页 |
| ·小结 | 第71-72页 |
| 5.动量项盲分离算法 | 第72-88页 |
| ·固定动量因子的动量项盲分离算法 | 第72-73页 |
| ·变动量因子动量项盲分离算法 | 第73-75页 |
| ·算法的实验仿真与性能分析 | 第75-87页 |
| ·小结 | 第87-88页 |
| 6 总结与展望 | 第88-90页 |
| ·总结 | 第88-89页 |
| ·展望 | 第89-90页 |
| 参考文献 | 第90-93页 |
| 致谢 | 第93-94页 |
| 附录[1]攻读硕士期间发表及录用的学术论文 | 第94-95页 |
