| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景和目的 | 第10-11页 |
| 1.2 课题的研究现状 | 第11-14页 |
| 1.2.1 盲源分离的算法分类 | 第11-12页 |
| 1.2.2 盲源分离的发展现状 | 第12页 |
| 1.2.3 稀疏分量分析的发展现状 | 第12-14页 |
| 1.3 论文安排 | 第14-16页 |
| 第2章 欠定盲源分离基础理论 | 第16-29页 |
| 2.1 欠定盲源分离基本模型 | 第16-18页 |
| 2.1.1 欠定盲分离基本处理过程 | 第16-17页 |
| 2.1.2 欠定盲分离瞬时混合模型 | 第17-18页 |
| 2.2 稀疏分量分析原理 | 第18-23页 |
| 2.2.1 稀疏分量分析的优势 | 第18-19页 |
| 2.2.2 稀疏的概念 | 第19-20页 |
| 2.2.3 稀疏变换方法 | 第20-21页 |
| 2.2.4 稀疏性的度量 | 第21-22页 |
| 2.2.5 稀疏分量分析算法步骤 | 第22-23页 |
| 2.3 混合矩阵的估计 | 第23-26页 |
| 2.3.1 传统的混合矩阵估计算法 | 第23-25页 |
| 2.3.2 混合矩阵估计性能评价准则 | 第25-26页 |
| 2.4 压缩感知 | 第26-28页 |
| 2.4.1 压缩感知原理 | 第26-27页 |
| 2.4.2 源信号恢复性能评价准则 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于角度的孤立点检测和模糊C均值聚类的混合矩阵估计 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 观测信号的预处理 | 第29-30页 |
| 3.2.1 时频点初始化 | 第29-30页 |
| 3.2.2 低能量点去除 | 第30页 |
| 3.3 基于角度的孤立点检测原理 | 第30-31页 |
| 3.4 模糊C均值聚类算法原理 | 第31-33页 |
| 3.5 混合矩阵估计算法步骤 | 第33-34页 |
| 3.6 实验结果及分析 | 第34-42页 |
| 3.6.1 信号一仿真过程及结果 | 第34-37页 |
| 3.6.2 信号二仿真过程及结果 | 第37-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 基于单源点和源数目估计的混合矩阵估计 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 小波包去噪 | 第43-45页 |
| 4.2.1 小波包的分解和重构 | 第44页 |
| 4.2.2 小波包能量特征提取 | 第44-45页 |
| 4.3 时频单源点概念 | 第45-47页 |
| 4.4 基于源数目估计的混合矩阵估计 | 第47-50页 |
| 4.4.1 源数目估计算法原理 | 第47-49页 |
| 4.4.2 混合矩阵估计算法步骤 | 第49-50页 |
| 4.5 实验结果及分析 | 第50-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 基于稀疏字典的源信号重构算法 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 基于压缩感知的欠定盲源分离模型 | 第55-56页 |
| 5.3 基于压缩感知和训练字典的源信号恢复 | 第56-61页 |
| 5.3.1 K-SVD字典 | 第56-57页 |
| 5.3.2 字典训练方法 | 第57-59页 |
| 5.3.3 匹配追踪算法 | 第59-61页 |
| 5.4 实验结果演示与分析 | 第61-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73页 |