| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文组织结构及研究内容 | 第14-16页 |
| 第二章 FastICA算法基本理论 | 第16-28页 |
| 2.1 独立成分分析数学基础 | 第16-20页 |
| 2.1.1 信号的统计独立性 | 第16-17页 |
| 2.1.2 信号独立性的度量 | 第17-20页 |
| 2.1.2.1 熵 | 第17-18页 |
| 2.1.2.2 Kullback-Leibler(KL)散度 | 第18页 |
| 2.1.2.3 信息 | 第18-19页 |
| 2.1.2.4 负熵 | 第19-20页 |
| 2.2 独立成分分析(ICA) | 第20-22页 |
| 2.2.1 ICA的数学模型 | 第20页 |
| 2.2.2 ICA的基本假设及不确定性 | 第20-22页 |
| 2.2.2.1 ICA的几个基本假设 | 第20-21页 |
| 2.2.2.2 ICA的不确定性 | 第21-22页 |
| 2.3 独立成分分析(ICA)的目标函数 | 第22-24页 |
| 2.3.1 互信息最小化准则 | 第22页 |
| 2.3.2 最大化非高斯性准则 | 第22-24页 |
| 2.3.3 极大似然估计准则 | 第24页 |
| 2.4 独立成分分析(ICA)的目标函数寻优算法 | 第24-26页 |
| 2.4.1 一般梯度迭代寻优算法 | 第25页 |
| 2.4.2 随机梯度迭代寻优算法 | 第25页 |
| 2.4.3 自然梯度迭代寻优算法 | 第25-26页 |
| 2.4.4 固定点迭代寻优算法 | 第26页 |
| 2.5 算法评价指标 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于负熵的FastICA改进算法研究 | 第28-43页 |
| 3.1 快速独立成分分析的数据预处理 | 第29-30页 |
| 3.1.1 中心化 | 第29页 |
| 3.1.2 白化 | 第29-30页 |
| 3.2 基于负熵的FastICA算法 | 第30-32页 |
| 3.2.1 基于负熵的FastICA算法原理 | 第30-31页 |
| 3.2.2 基于负熵的FastICA算法实现步骤 | 第31-32页 |
| 3.3 基于负熵的FastICA改进算法 | 第32-35页 |
| 3.3.1 牛顿迭代修正格式 | 第32-34页 |
| 3.3.2 改进算法 | 第34-35页 |
| 3.4 仿真实验及分析 | 第35-42页 |
| 3.4.1 实验一 | 第35-38页 |
| 3.4.2 实验二 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 FastICA改进算法在运动目标检测中的应用 | 第43-54页 |
| 4.1 运动目标检测 | 第43-45页 |
| 4.2 基于FastICA改进算法的运动目标检测 | 第45-47页 |
| 4.3 仿真结果及分析 | 第47-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间取得的学术成果 | 第61-62页 |
| 致谢 | 第62-63页 |