| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| 1．1 盲分离问题的来源 | 第9-10页 |
| 1．2 盲分离的模型及研究进展 | 第10-13页 |
| 1．3 论文的结构 | 第13-15页 |
| 第二章 瞬时混合的自适应盲分离 | 第15-38页 |
| 2．1 统计独立和信息理论 | 第15-16页 |
| 2．2 瞬时盲分离的准则 | 第16-20页 |
| 2．2．1 最大似然估计方法 | 第17-18页 |
| 2．2．2 最小化互信息 | 第18页 |
| 2．2．3 信息传输最大化和最大化负熵 | 第18-19页 |
| 2．2．4 准则的等价性说明 | 第19-20页 |
| 2．3 基于梯度学习的自适应算法 | 第20-22页 |
| 2．3．1 数据的预处理 | 第20页 |
| 2．3．2 基于梯度的自适应算法 | 第20-21页 |
| 2．3．3 自然梯度和相对梯度 | 第21-22页 |
| 2．4 算法性能分析 | 第22-32页 |
| 2．4．1 算法的稳定性分析 | 第23-25页 |
| 2．4．2 算法的稳态误差和步长因子 | 第25-27页 |
| 2．4．3 非线性函数对算法的影响 | 第27-32页 |
| 2．5 具有任意概率密度函数盲分离 | 第32-33页 |
| 2．6 仿真分析 | 第33-37页 |
| 2．6．1 自然梯度与常规梯度的比较 | 第34-35页 |
| 2．6．2 步长因子的影响 | 第35页 |
| 2．6．3 非线性函数对稳态误差的影响 | 第35-36页 |
| 2．6．4 不同类型源的混合 | 第36-37页 |
| 2．7 小结 | 第37-38页 |
| 第三章 卷积混合下的盲分离 | 第38-54页 |
| 3．1 盲反卷积模型 | 第38-40页 |
| 3．1．1 时域和频域模型 | 第38-39页 |
| 3．1．2 卷积混合下盲分离的假设条件 | 第39-40页 |
| 3．2 盲反卷积算法 | 第40-46页 |
| 3．2．1 常用的盲反卷积算法 | 第40-41页 |
| 3．2．2 基于最大似然估计的盲反卷积算法 | 第41-46页 |
| 3．2．3 变换域中的最大似然估计算法 | 第46页 |
| 3．3 盲反卷积算法的性能分析 | 第46-48页 |
| 3．4 盲反卷积算法的扩展 | 第48-51页 |
| 3．4．1 盲反卷积算法与瞬时盲分离算法的关系 | 第48-50页 |
| 3．4．2 频域内的盲反卷积算法 | 第50-51页 |
| 3．5 计算机仿真 | 第51-53页 |
| 3．6 小结 | 第53-54页 |
| 第四章 时间相关源的盲分离 | 第54-71页 |
| 4．1 时间相关源的盲分离模型 | 第54-58页 |
| 4．1．1 时间相关源的模型 | 第54-55页 |
| 4．1．2 时间相关源的盲分离模型 | 第55-57页 |
| 4．1．3 卷积混合下的时间模糊性 | 第57-58页 |
| 4．2 直接方法 | 第58-62页 |
| 4．2．1 最大似然估计原理 | 第58-60页 |
| 4．2．2 基于混合模型的算法 | 第60-62页 |
| 4．3 二阶统计量方法 | 第62-66页 |
| 4．3．1 二阶统计量方法的模型 | 第62-63页 |
| 4．3．2 酉矩阵的存在性条件 | 第63-64页 |
| 4．3．3 联合对角化技术 | 第64-65页 |
| 4．3．4 去相关方法 | 第65-66页 |
| 4．4 计算机仿真 | 第66-70页 |
| 4．5 小结 | 第70-71页 |
| 第五章 非平稳信号的盲分离 | 第71-85页 |
| 5．1 非平稳信号盲分离模型 | 第71-72页 |
| 5．2 自适应方法 | 第72-79页 |
| 5．2．1 目标代价函数 | 第72-73页 |
| 5．2．2 自适应算法 | 第73-75页 |
| 5．2．3 局部稳定性分析 | 第75-76页 |
| 5．2．4 似牛顿（Newton-Like）算法 | 第76-77页 |
| 5．2．5 算法的扩展及应用说明 | 第77-79页 |
| 5．3 块处理方法 | 第79-82页 |
| 5．3．1 代价函数 | 第79-81页 |
| 5．3．2 块处理算法 | 第81-82页 |
| 5．4 计算机仿真 | 第82-84页 |
| 5．4．1 自适应算法 | 第82-83页 |
| 5．4．2 块处理方法 | 第83-84页 |
| 5．5 小结 | 第84-85页 |
| 第六章 带噪的盲源分离 | 第85-99页 |
| 6．1 噪声对盲分离算法的影响 | 第85-86页 |
| 6．2 白高斯噪声下的盲分离算法 | 第86-94页 |
| 6．2．1 参数化模型 | 第86-88页 |
| 6．2．2 带噪的盲分离自适应算法 | 第88-92页 |
| 6．2．3 算法的应用说明 | 第92-93页 |
| 6．2．4 计算机仿真 | 第93-94页 |
| 6．3 噪声下时间相关源和非平稳信号的盲分离 | 第94-98页 |
| 6．3．1 白噪声下时间相关源的盲分离算法 | 第94-95页 |
| 6．3．2 白噪声下非平稳源的盲分离 | 第95-97页 |
| 6．3．3 计算机仿真 | 第97-98页 |
| 6．4 小结 | 第98-99页 |
| 第七章 盲分离算法的水池实验 | 第99-109页 |
| 7．1 实验的目的及方法 | 第99-100页 |
| 7．2 实验测试系统、仪器及过程 | 第100-101页 |
| 7．3 模型的理论分析与实验数据分析 | 第101-107页 |
| 7．3．1 理论模型 | 第101-102页 |
| 7．3．2 信号和噪声的实际数据分析 | 第102-107页 |
| 7．4 实验小结 | 第107-109页 |
| 第八章 论文总结及将来的研究 | 第109-112页 |
| 8．1 论文的主要工作及创新点 | 第109-110页 |
| 8．2 将来的研究 | 第110-112页 |
| 附录A 矩阵论的基本知识 | 第112-115页 |
| 附录B 高斯混合模型 | 第115-116页 |
| 附录C 循环矩阵（Circulant Matrix） | 第116-118页 |
| 附录D 多维高斯变量 | 第118-120页 |
| 附录E 联合近似对角化算法（JADE） | 第120-122页 |
| 参考文献 | 第122-128页 |
| 致谢 | 第128-129页 |
| 发表的论文及承担和参与的科研项目 | 第129页 |