| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 论文研究的背景 | 第9-11页 |
| 1.2 独立分量分析的概念 | 第11-12页 |
| 1.3 独立分量分析的研究历史及发展现状 | 第12-14页 |
| 1.4 论文的结构安排及主要创新点 | 第14-17页 |
| 第2章 独立分量分析的基本理论 | 第17-29页 |
| 2.1 独立分量分析的独立性判据及估计方法 | 第17-21页 |
| 2.1.1 非高斯性 | 第17-18页 |
| 2.1.2 互信息 | 第18页 |
| 2.1.3 峭度 | 第18-19页 |
| 2.1.4 负熵 | 第19-20页 |
| 2.1.5 常用的几种估计方法 | 第20-21页 |
| 2.2 独立分量分析的数学模型 | 第21-24页 |
| 2.2.1 ICA算法的数学模型 | 第21-23页 |
| 2.2.2 ICA的约束条件和不确定性 | 第23-24页 |
| 2.3 独立分量分析的求解过程 | 第24-27页 |
| 2.3.1 数据的预处理 | 第24-26页 |
| 2.3.2 目标函数 | 第26-27页 |
| 2.3.3 优化算法 | 第27页 |
| 2.4 小结 | 第27-29页 |
| 第3章 独立分量分析的算法研究 | 第29-39页 |
| 3.1 典型的ICA算法 | 第29-37页 |
| 3.1.1 最大熵算法 | 第29-30页 |
| 3.1.2 最小互信息算法 | 第30页 |
| 3.1.3 梯度算法 | 第30-33页 |
| 3.1.4 特征矩阵的联合近似对角化算法 | 第33-34页 |
| 3.1.5 最小二乘算法 | 第34-35页 |
| 3.1.6 固定点算法 | 第35-37页 |
| 3.2 两种衡量ICA分离性能的指标 | 第37-38页 |
| 3.3 小结 | 第38-39页 |
| 第4章 高阶收敛的FastICA改进算法 | 第39-51页 |
| 4.1 高阶收敛的FastICA算法 | 第39-40页 |
| 4.1.1 三阶收敛的FastICA算法 | 第39页 |
| 4.1.2 五阶收敛的FastICA算法 | 第39-40页 |
| 4.1.3 FastICA算法的初值敏感性问题 | 第40页 |
| 4.2 基于最速下降法的高阶收敛的FastICA改进算法 | 第40-44页 |
| 4.2.1 最速下降法概述 | 第40-41页 |
| 4.2.2 改进算法的步骤 | 第41-42页 |
| 4.2.3 仿真实验及性能分析 | 第42-44页 |
| 4.3 基于松弛因子的高阶收敛FastICA改进算法 | 第44-49页 |
| 4.3.1 松弛因子对FastICA算法的影响 | 第44-45页 |
| 4.3.2 改进算法的步骤 | 第45-46页 |
| 4.3.3 性能分析及仿真实验 | 第46-49页 |
| 4.4 小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 工作的总结 | 第51页 |
| 5.2 对今后研究的展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-61页 |
| 硕士期间发表的论文 | 第61页 |