| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第1章 绪论 | 第6-11页 |
| 1．1 论文的选题背景及意义 | 第6-9页 |
| 1．1．1 国内外发展现状 | 第6-7页 |
| 1．1．2 常用的交通量检测器 | 第7-9页 |
| 1．2 本文的主要内容 | 第9-11页 |
| 第2章 盲信号分离 | 第11-26页 |
| 2．1 引言 | 第11-13页 |
| 2．1．1 盲信号分离的发展及研究现状 | 第11-12页 |
| 2．1．2 盲信号分离的应用背景 | 第12-13页 |
| 2．2 盲信号分离的基本理论 | 第13-16页 |
| 2．2．1 线性瞬时混合模型 | 第14-15页 |
| 2．2．2 可分离性 | 第15-16页 |
| 2．2．3 不可辨识性 | 第16页 |
| 2．3 基于信息论的ICA分离算法 | 第16-21页 |
| 2．3．1 最大似然估计(MLE-Maximum Likelihood Estimation)算法 | 第16-17页 |
| 2．3．2 信息最大化(Infomax)算法 | 第17-19页 |
| 2．3．3 最小化互信息(MMI-Minimum Mutual Information)算法 | 第19-20页 |
| 2．3．4 负熵最大化(NM)的ICA算法 | 第20-21页 |
| 2．4 基于高阶统计理论的ICA算法 | 第21-23页 |
| 2．4．1 高阶统计理论 | 第21-23页 |
| 2．4．2 基于高阶统计理论的盲信号分离准则 | 第23页 |
| 2．5 数据预处理 | 第23-24页 |
| 2．6 分离结果评价准则 | 第24-26页 |
| 第3章 基于遗传算法的盲信号分离算法 | 第26-35页 |
| 3．1 问题的提出(盲分离的局限性) | 第26页 |
| 3．2 遗传算法简介 | 第26-28页 |
| 3．2．1 遗传算法的基本思想 | 第26-27页 |
| 3．2．2 遗传算法的特点 | 第27-28页 |
| 3．2．3 应用背景 | 第28页 |
| 3．3 遗传算法的常用技术 | 第28-32页 |
| 3．3．1 编码 | 第28-29页 |
| 3．3．2 选择算子 | 第29-30页 |
| 3．3．3 交叉算子 | 第30-31页 |
| 3．3．4 变异算子 | 第31页 |
| 3．3．5 GA的控制参数 | 第31-32页 |
| 3．4 基于遗传算法的盲信号分离算法 | 第32-35页 |
| 第4章 基于遗传算法的盲信号分离算法的车辆声频信号分离实验 | 第35-55页 |
| 4．1 试验数据的采集 | 第35页 |
| 4．2 数据处理及分析 | 第35-55页 |
| 4．2．1 仿真实验 | 第35-49页 |
| 4．2．2 实测多车混合信号分离实验 | 第49-53页 |
| 4．2．3 实验结论 | 第53-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |
