混叠卷积信号的盲反卷积研究
| 第1章 绪论 | 第1-13页 |
| 1．1 盲源分离建模 | 第8-9页 |
| 1．2 盲源分离的发展研究现状 | 第9-11页 |
| 1．3 论文主要工作 | 第11-13页 |
| 第2章 盲源分离的基本理论 | 第13-24页 |
| 2．1 盲源分离的估计理论基础和独立性概念 | 第13-15页 |
| 2．2 非高斯性的度量 | 第15-19页 |
| 2．2．1 峭度 | 第15-17页 |
| 2．2．2 负熵 | 第17页 |
| 2．2．3 负熵的近似 | 第17-19页 |
| 2．3 互信息 | 第19-20页 |
| 2．4 预处理 | 第20-21页 |
| 2．5 神经网络模型简介 | 第21-23页 |
| 2．6 本章小结 | 第23-24页 |
| 第3章 瞬时混叠信号分离 | 第24-36页 |
| 3．1 瞬时混叠模型及估计原理 | 第24-25页 |
| 3．2 瞬时混叠模型下的典型算法 | 第25-33页 |
| 3．2．1 基于高阶统计的算法 | 第25-26页 |
| 3．2．2 信息最大化算法 | 第26-28页 |
| 3．2．3 基于最小互信息的算法 | 第28-29页 |
| 3．2．4 最大似然估计算法 | 第29-31页 |
| 3．2．5 固定点算法 | 第31-33页 |
| 3．3 仿真实验及分析 | 第33-35页 |
| 3．4 本章小结 | 第35-36页 |
| 第4章 卷积混叠信号盲分离 | 第36-50页 |
| 4．1 盲反卷积模型 | 第36-37页 |
| 4．2 盲反卷积算法 | 第37-42页 |
| 4．2．1 前馈神经网络的信息最大化盲反卷积算法 | 第37-41页 |
| 4．2．2 反馈神经网络的信息最大化盲反卷积算法 | 第41-42页 |
| 4．3 基于信号非平稳特性的分离算法 | 第42-49页 |
| 4．3．1 非平稳信号 | 第42-43页 |
| 4．3．2 瞬时混叠模型算法 | 第43-44页 |
| 4．3．3 卷积混叠模型的算法 | 第44-46页 |
| 4．3．4 计算机仿真实验 | 第46-49页 |
| 4．4 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第55-56页 |
| 致谢 | 第56页 |
