| 摘 要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-14页 |
| 1 盲信号分离问题的研究背景及意义 | 第7-8页 |
| 2 盲信号分离的研究现状 | 第8-9页 |
| 3 BSS 的数学描述 | 第9-11页 |
| 4 BSS 问题的可实现性 | 第11-12页 |
| 5 BSS 问题的模糊性 | 第12页 |
| 6 本文研究内容及论文结构安排 | 第12-14页 |
| 第二章 基础理论 | 第14-27页 |
| 1 信息论及统计理论的一些基础知识 | 第14-19页 |
| ·熵 | 第14-15页 |
| ·互信息(Mutual Information) | 第15-16页 |
| ·Kullack-Leibler(K-L)散度 | 第16页 |
| ·负熵（Negentropy） | 第16-17页 |
| ·高阶累积量（High order Cumulants） | 第17-19页 |
| 2 梯度下降法 | 第19-21页 |
| ·标准梯度法 | 第19页 |
| ·自然梯度法 | 第19-21页 |
| 3 遗传算法 | 第21-24页 |
| ·遗传算法的基本概念 | 第21-22页 |
| ·遗传算法的基本算法 | 第22-23页 |
| ·遗传算法较传统算法的优点 | 第23-24页 |
| 4 基于核函数的概率密度估计 | 第24-27页 |
| 第三章 瞬时混合信号的盲分离算法 | 第27-51页 |
| 1 常用算法 | 第27-35页 |
| ·INFORMAX 算法 | 第27-30页 |
| ·最小互信息法（Minimal Mutual Information-MMI） | 第30-31页 |
| ·负熵最大化法 | 第31-33页 |
| ·现有瞬时盲分离算法存在的问题 | 第33-35页 |
| 2 基于核密度估计的遗传分离算法 | 第35-44页 |
| ·算法的提出 | 第35-42页 |
| ·编码方式的选择 | 第36-37页 |
| ·适应度函数的选取 | 第37-38页 |
| ·算法的遗传演化机制 | 第38-42页 |
| ·算法流程 | 第42-44页 |
| 3 算法仿真及分析 | 第44-51页 |
| ·实验一 | 第44-47页 |
| ·实验条件 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·实验分析 | 第46-47页 |
| ·实验二 | 第47-51页 |
| ·实验条件 | 第47-48页 |
| ·实验结果 | 第48-49页 |
| ·实验分析 | 第49-51页 |
| 第四章 卷积混合信号的盲分离算法 | 第51-63页 |
| 1 盲反卷积信号的问题描述 | 第51-53页 |
| ·盲反卷算法的时域和频域模型 | 第51-52页 |
| ·卷积混合下信号实现盲分离的思路 | 第52-53页 |
| 2 常用盲卷积算法 | 第53-57页 |
| ·Bussgang 盲反卷积算法 | 第53-54页 |
| ·基于独立分量分析的盲反卷积算法 | 第54-57页 |
| ·现有盲反卷积算法存在的问题 | 第57页 |
| 3 基于高阶累计量的遗传盲反卷积算法 | 第57-59页 |
| ·算法的提出 | 第57-59页 |
| ·编码方式的选择 | 第58页 |
| ·适应度函数的选取 | 第58-59页 |
| ·算法的遗传演化机制和流程 | 第59页 |
| 4 算法仿真与分析 | 第59-63页 |
| ·实验条件 | 第59-60页 |
| ·实验结果 | 第60-61页 |
| ·实验分析 | 第61-63页 |
| 第五章 结论与展望 | 第63-65页 |
| 1 结论 | 第63页 |
| 2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间发表的学术论文 | 第69-70页 |
| 致谢 | 第70-71页 |
| 学位论文独创性声明 | 第71页 |
| 学位论文知识产权权属声明 | 第71页 |