| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-16页 |
| ·盲信号处理的概念和分类 | 第10-12页 |
| ·盲处理概念 | 第10-11页 |
| ·盲信号处理的分类 | 第11页 |
| ·盲信号处理的应用 | 第11-12页 |
| ·盲源分离的现状、发展以及应用 | 第12-14页 |
| ·盲信号分离的现状与发展 | 第12-13页 |
| ·盲信号分离的应用 | 第13-14页 |
| ·本文研究的主要内容 | 第14-15页 |
| ·本文主要工作 | 第15-16页 |
| 2 盲分离的理论基础 | 第16-24页 |
| ·信息论的基本概念 | 第16-17页 |
| ·不确定性 | 第16页 |
| ·可分离性 | 第16-17页 |
| ·盲信号预处理 | 第17-18页 |
| ·信号的去均值处理 | 第17页 |
| ·信号的白化处理 | 第17-18页 |
| ·盲信号分离原理 | 第18-19页 |
| ·盲信号分离的基本假设 | 第19-20页 |
| ·盲信号分离的方法 | 第20-23页 |
| ·基于高阶统计的方法 | 第20-21页 |
| ·信息论的方法 | 第21-22页 |
| ·非线性盲分离算法 | 第22-23页 |
| ·盲信号分离判断指标 | 第23页 |
| ·本章小结 | 第23-24页 |
| 3 盲分离的算法和仿真结果 | 第24-43页 |
| ·基于最大信噪比的盲信号分离算法 | 第24-26页 |
| ·信噪比目标函数的建立 | 第24-25页 |
| ·盲分离算法的推导 | 第25页 |
| ·盲分离算法的可分离性 | 第25-26页 |
| ·基于最大信噪比的盲分离算法的流程 | 第26页 |
| ·基于峭度的盲源分离算法 | 第26-42页 |
| ·源信号的概率密度函数及峭度 | 第27页 |
| ·盲源分离开关算法 | 第27-28页 |
| ·基于峭度的盲源分离开关算法的算法流程 | 第28-29页 |
| ·基于两种算法的仿真 | 第29-41页 |
| ·仿真结果分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 4 实验系统的介绍 | 第43-60页 |
| ·实验设备 | 第43-44页 |
| ·实验方法 | 第44-46页 |
| ·实验采样信号和matlab仿真信号的盲分离结果对比 | 第46-58页 |
| ·实验采样数据的分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 5 结论 | 第60-62页 |
| ·总结 | 第60页 |
| ·现存问题和对未来的展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 作者简历 | 第64-66页 |
| 学位论文数据集 | 第66页 |