基于稀疏性的欠定盲源分离技术的研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 盲源分离的国内外研究概况 | 第12-15页 |
| 1.3 稀疏分量分析的国内外研究概况 | 第15-16页 |
| 1.4 论文的主要工作 | 第16-19页 |
| 第二章 欠定盲源分离基本理论 | 第19-31页 |
| 2.1 欠定盲源分离的基本模型 | 第19-21页 |
| 2.2 欠定盲源分离相关理论知识 | 第21-23页 |
| 2.2.1 信号的分布特性 | 第21-22页 |
| 2.2.2 稀疏理论 | 第22-23页 |
| 2.2.3 欠定盲源分离的先验性假设 | 第23页 |
| 2.3 稀疏化预处理 | 第23-28页 |
| 2.3.1 小波(包)变换 | 第24-26页 |
| 2.3.2 短时傅里叶变换 | 第26页 |
| 2.3.3 图像稀疏化预处理算法 | 第26-28页 |
| 2.4 盲源分离的不确定性 | 第28-29页 |
| 2.5 欠定盲源分离算法的性能评价指标 | 第29-31页 |
| 2.5.1 混叠矩阵估计精度评价 | 第29页 |
| 2.5.2 源信号估计精度评价 | 第29-31页 |
| 第三章 基于稀疏成分分析的欠定盲源分离算法 | 第31-47页 |
| 3.1 信号的稀疏表示 | 第31-33页 |
| 3.1.1 稀疏成分分析的概念 | 第31-32页 |
| 3.1.2 稀疏成分分析的基础算法 | 第32-33页 |
| 3.2 匹配追踪法 | 第33-35页 |
| 3.3 最大后验概率法 | 第35-36页 |
| 3.4 两步法 | 第36-47页 |
| 3.4.1 混合矩阵估计算法 | 第36-43页 |
| 3.4.2 源信号估计算法 | 第43-47页 |
| 第四章 基于聚类点数调整法的混叠矩阵估计算法 | 第47-57页 |
| 4.1 K-means聚类算法的局限性 | 第47页 |
| 4.2 聚类点数调整法的混叠矩阵估计步骤 | 第47-48页 |
| 4.3 仿真实验 | 第48-54页 |
| 4.4 分离效果的评价 | 第54-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 基于邻近斜率的源信号恢复算法 | 第57-67页 |
| 5.1 最小L1范数法的局限性 | 第57-58页 |
| 5.2 基于邻近斜率的源信号恢复算法原理 | 第58-60页 |
| 5.3 基于邻近斜率的源信号恢复算法步骤 | 第60页 |
| 5.4 仿真实验 | 第60-65页 |
| 5.5 本章小结 | 第65-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 攻读硕士学位期间发表的学术论文和科技成果 | 第77-79页 |
| 攻读硕士期间参与的项目 | 第79页 |
