| 第一章 绪论 | 第1-14页 |
| ·独立分量分析(ICA) | 第8-10页 |
| ·ICA的发展及现状 | 第10-11页 |
| ·DSP的发展及其结构特点 | 第11-13页 |
| ·DSP芯片的发展概况 | 第11-12页 |
| ·DSP芯片的结构特点 | 第12页 |
| ·DSP的应用 | 第12-13页 |
| ·本文的主要内容和贡献 | 第13页 |
| ·文章组织 | 第13-14页 |
| 第二章 盲分离技术的基本理论 | 第14-25页 |
| ·统计理论 | 第14-17页 |
| ·高阶矩和高阶累积量的定义 | 第14-15页 |
| ·高阶累积量的计算 | 第15-17页 |
| ·信息论的有关知识 | 第17-21页 |
| ·熵(Entropy) | 第18-19页 |
| ·Kullback—Leibler(K-L)散度 | 第19-20页 |
| ·互信息(Mutual information) | 第20-21页 |
| ·负熵(neg-Entropy) | 第21页 |
| ·线性系统输入输出信号间有关信息特征参数的关系 | 第21-24页 |
| ·熵关系 | 第22页 |
| ·K-L散度关系 | 第22-23页 |
| ·互信息关系 | 第23页 |
| ·负熵关系 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 盲分离常用算法研究 | 第25-35页 |
| ·独立性判据 | 第25-28页 |
| ·互信息最小化判据(Minimization of Mutual Information，MMI) | 第25页 |
| ·信息最大化判据 | 第25-26页 |
| ·极大似然估计判据(Maximum Likelihood Estimation，MLE) | 第26-27页 |
| ·非线性PCA判据 | 第27-28页 |
| ·常用算法 | 第28-33页 |
| ·INFORMAX算法 | 第28-29页 |
| ·Extended-ICA算法 | 第29-30页 |
| ·负熵最大化 | 第30-31页 |
| ·基于牛顿迭代的快速ICA算法 | 第31-33页 |
| ·算法性能评价准则 | 第33-34页 |
| ·基于混合矩阵的算法性能评价准则 | 第33-34页 |
| ·基于信号波形的算法性能评价准则 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第四章 脑电信号盲分离算法 | 第35-48页 |
| ·降低噪声的预白化技术 | 第35-37页 |
| ·噪声方差接近于零的情况 | 第35-36页 |
| ·噪声方差不为零的情况 | 第36-37页 |
| ·算法的确定 | 第37-39页 |
| ·密度模型的确定 | 第39-42页 |
| ·几种常用的密度模型分析对比 | 第39-40页 |
| ·密度模型提出 | 第40-42页 |
| ·密度函数的特性分析 | 第42页 |
| ·算法实现 | 第42页 |
| ·稳定性分析 | 第42-43页 |
| ·仿真实验 | 第43-46页 |
| ·首先验证无叠加噪声时算法的性能 | 第43-44页 |
| ·有叠加噪声的情况 | 第44-46页 |
| ·算法适应性研究 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 脑电信号盲分离算法的DSP实现 | 第48-59页 |
| ·DSP集成开发环境CCS | 第48-49页 |
| ·CCS的组成 | 第48页 |
| ·CCS的主要功能 | 第48-49页 |
| ·TMS320C54XC语言特点 | 第49-50页 |
| ·采样精度对算法的影响 | 第50-54页 |
| ·数值计算误差分析 | 第50-53页 |
| ·截尾误差分析 | 第53-54页 |
| ·盲分离算法的TMS320C54XC语言实现 | 第54-58页 |
| ·矩阵特征值和特征向量的求解 | 第54-57页 |
| ·盲分离算法的C语言实现 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 结论和展望 | 第59-62页 |
| ·本文工作总结 | 第59-60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 硕士期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附录 | 第67-72页 |
| 西北工业大学 学位论文知识产权声明书 | 第72页 |
| 西北工业大学 学位论文原创性声明 | 第72页 |