| 论文独创性声明 | 第1页 |
| 论文使用授权声明 | 第2-3页 |
| 摘要 | 第3-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-14页 |
| ·盲信号分离的研究背景和意义 | 第9-10页 |
| ·盲信号分离技术的研究现状 | 第10-12页 |
| ·盲分离的应用 | 第12-13页 |
| ·本文研究内容及文章结构 | 第13-14页 |
| 第二章 盲分离技术的基本理论 | 第14-28页 |
| ·盲分离问题的描述 | 第14-15页 |
| ·独立分量分析概论 | 第15-17页 |
| ·ICA的基本概念 | 第15页 |
| ·ICA的发展简史 | 第15-16页 |
| ·ICA的实现条件 | 第16-17页 |
| ·ICA的目标函数 | 第17-22页 |
| ·最大似然目标函数 | 第17-18页 |
| ·统计独立性目标函数 | 第18-20页 |
| ·信息最大化(最大熵)目标函数 | 第20-22页 |
| ·ICA的学习算法 | 第22-27页 |
| ·相对梯度学习算法 | 第22-25页 |
| ·自然梯度学习算法 | 第25-27页 |
| ·本章小节 | 第27-28页 |
| 第三章 瞬时混合盲分离系统的研究 | 第28-40页 |
| ·瞬时混合模型描述 | 第28-29页 |
| ·基于独立分量分析的自适应盲分离方法 | 第29-33页 |
| ·统计独立性的表示 | 第29-30页 |
| ·算法推导 | 第30-32页 |
| ·实验仿真 | 第32-33页 |
| ·信息最大化分离方法 | 第33-39页 |
| ·准则函数的提出 | 第33-34页 |
| ·算法推导 | 第34-36页 |
| ·对非线性函数的选择 | 第36-38页 |
| ·实验仿真 | 第38-39页 |
| ·信息最大化与独立分量分析的关系 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第四章 时延和卷积混合盲分离系统的研究 | 第40-52页 |
| ·介绍 | 第40-41页 |
| ·时延混合模型分离算法 | 第41-44页 |
| ·时延混合模型描述 | 第41页 |
| ·算法推导 | 第41-43页 |
| ·仿真 | 第43-44页 |
| ·卷积混合模型分离算法 | 第44-51页 |
| ·卷积混合模型描述 | 第44-45页 |
| ·时域方法 | 第45-48页 |
| ·前向结构的分离算法 | 第47-48页 |
| ·反馈结构的分离算法 | 第48页 |
| ·实验仿真 | 第48-51页 |
| ·结果分析 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第五章 混合语音信号的FastICA盲分离系统的研究 | 第52-74页 |
| ·时域FastICA的研究 | 第52-60页 |
| ·ICA中的信号预处理 | 第53-54页 |
| ·目标函数的选择 | 第54-55页 |
| ·定点算法 | 第55-60页 |
| ·单个信号的定点算法 | 第55-56页 |
| ·多个信号的定点算法 | 第56-57页 |
| ·FastICA算法的特点 | 第57-58页 |
| ·实验仿真 | 第58-60页 |
| ·卷积混合的频域FastICA算法的研究 | 第60-67页 |
| ·卷积混合的频域盲分离模型 | 第60-62页 |
| ·频域复值FastICA算法 | 第62-65页 |
| ·卷积混合频域盲分离算法中次序不确定问题的解决 | 第65-67页 |
| ·实际环境中的混合语音盲分离 | 第67-73页 |
| ·实际声学环境中语音信号的统计特性 | 第67页 |
| ·实际环境中基于FastICA的时频域混合语音信号盲分离 | 第67-69页 |
| ·实验仿真 | 第69-73页 |
| ·结果分析 | 第73页 |
| ·本章小结 | 第73-74页 |
| 第六章 结论与展望 | 第74-75页 |
| ·结论 | 第74页 |
| ·展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-81页 |