独立分量分析及其在阵列信号处理中的应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-19页 |
| §1．1 独立分量分析的研究历史与现状 | 第13-16页 |
| §1．2 本论文的研究工作 | 第16-19页 |
| 第二章 独立分量分析的基本理论 | 第19-35页 |
| §2．1 引言 | 第19页 |
| §2．2 独立分量分析 | 第19-22页 |
| 2．2．1 定义和信号模型 | 第19-21页 |
| 2．2．2 基本假设与不确定性 | 第21-22页 |
| §2．3 独立分量分析方法中常用的准则和方法 | 第22-28页 |
| 2．3．1 信息论基础 | 第22-24页 |
| 2．3．2 常用准则 | 第24-25页 |
| 2．3．3 典型方法 | 第25-28页 |
| §2．4 独立分量分析方法中白化和信号分类 | 第28-31页 |
| 2．4．1 信号白化 | 第28-30页 |
| 2．4．2 信号分类 | 第30-31页 |
| §2．5 独立分量分析中非线性函数的特性 | 第31-33页 |
| §2．6 独立分量分析算法评价指标 | 第33页 |
| §2．7 独立分量分析与主分量分析的比较 | 第33-34页 |
| §2．8 小结 | 第34-35页 |
| 第三章 基于估计概率密度函数的独立分量分析方法 | 第35-53页 |
| §3．1 独立分量分析算法框架 | 第35-37页 |
| §3．2 高斯混合模型 | 第37-40页 |
| 3．2．1 基本思想 | 第37-38页 |
| 3．2．2 具体算法 | 第38-40页 |
| §3．3 基于高斯混合模型的独立分量分析 | 第40-43页 |
| §3．4 性能仿真 | 第43-50页 |
| 3．4．1 仿真条件及性能指标 | 第43-44页 |
| 3．4．2 关于学习速率的问题 | 第44-46页 |
| 3．4．3 仿真结果 | 第46-50页 |
| §3．5 小结 | 第50-53页 |
| 第四章 复值信号的独立分量分析方法 | 第53-63页 |
| §4．1 复值随机变量的基本概念 | 第53-54页 |
| §4．2 扩展的广义Hebbian学习算法 | 第54-55页 |
| §4．3 一种快速复值定点算法 | 第55-56页 |
| §4．4 改进的广义Hebbian学习算法 | 第56-57页 |
| §4．5 准则应用 | 第57-58页 |
| §4．6 性能仿真 | 第58-60页 |
| §4．7 小结 | 第60-62页 |
| 附录A | 第62-63页 |
| 第五章 独立分量分析方法在DOA估计中的应用 | 第63-81页 |
| §5．1 ICA与PCA基矢量的比较 | 第63-65页 |
| §5．2 独立矢量基的最小均方误差准则 | 第65-66页 |
| §5．3 网络模型 | 第66-68页 |
| §5．4 波达方向估计的MUSIC方法 | 第68-70页 |
| 5．4．1 等距线阵 | 第68-69页 |
| 5．4．2 MUSIC方法 | 第69-70页 |
| §5．5 独立矢量基在波达方向估计中的应用 | 第70-73页 |
| 5．5．1 基于独立矢量基的谱函数 | 第70-71页 |
| 5．5．2 具体算法实现 | 第71-72页 |
| 5．5．3 非线性PCA渐进性能分析 | 第72-73页 |
| §5．6 实验仿真 | 第73-80页 |
| §5．7 小结 | 第80-81页 |
| 第六章 总结和展望 | 第81-85页 |
| §6．1 工作总结 | 第81-82页 |
| §6．2 研究展望 | 第82-85页 |
| 致谢 | 第85-87页 |
| 参考文献 | 第87-102页 |
| 博士学习阶段(合作)撰写与发表的学术论文 | 第102页 |
