| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·盲源分离概述 | 第11-14页 |
| ·盲源分离的描述 | 第11页 |
| ·盲源分离的发展 | 第11-14页 |
| ·盲源分离的分类 | 第14页 |
| ·盲源分离应用 | 第14-15页 |
| ·语音信号盲源分离的研究背景和意义 | 第15-17页 |
| ·语音信号盲源分离的研究现状 | 第17页 |
| ·本文的结构安排 | 第17-19页 |
| 第2章 盲源分离的基础 | 第19-30页 |
| ·盲源分离的数学基础 | 第19-25页 |
| ·概率论基础——高阶统计量 | 第19-22页 |
| ·信息论基础 | 第22-25页 |
| ·盲源分离的基础模型 | 第25-30页 |
| ·线性混合模型 | 第26-28页 |
| ·非线性混合模型 | 第28-30页 |
| 第3章 粒子群及其改进的优化算法 | 第30-39页 |
| ·基本粒子群优化算法 | 第30-33页 |
| ·基本粒子群优化（PSO）算法产生的背景 | 第30页 |
| ·基本 PSO 算法的更新 | 第30-31页 |
| ·基本 PSO 算法的流程 | 第31-32页 |
| ·基本 PSO 算法存在的主要问题 | 第32-33页 |
| ·自适应粒子群优化算法 | 第33-34页 |
| ·基于模拟退火的粒子群优化算法 | 第34-39页 |
| ·模拟退火算法 | 第34-37页 |
| ·基于模拟退火的 PSO 算法 | 第37-39页 |
| 第4章 盲源分离的常用算法及目标函数 | 第39-49页 |
| ·盲源分离的常用算法 | 第39-44页 |
| ·独立分量分析算法 | 第39-41页 |
| ·自然梯度算法 | 第41-43页 |
| ·扩展联合对角化算法 | 第43-44页 |
| ·盲源分离的目标函数 | 第44-47页 |
| ·峰度最大化 | 第44页 |
| ·负熵最大化 | 第44-45页 |
| ·互信息最小化 | 第45-46页 |
| ·似然函数最大化 | 第46-47页 |
| ·盲源分离的评价指标 | 第47-49页 |
| ·相似系数 | 第47页 |
| ·性能指数（performance index,PI） | 第47-49页 |
| 第5章 PSO 算法在语音信号盲源分离中的研究 | 第49-71页 |
| ·线性瞬时混合模型的盲源分离仿真实验 | 第49-57页 |
| ·常用盲源分离算法在语音信号盲源分离中的仿真实验 | 第50-52页 |
| ·基本 PSO 算法在语音信号盲源分离中的仿真实验 | 第52-53页 |
| ·自适应 PSO 算法在语音信号盲源分离中的仿真实验 | 第53-55页 |
| ·模拟退火 PSO 算法在语音信号盲源分离中的仿真实验 | 第55-57页 |
| ·线性卷积混合模型的盲源分离研究 | 第57-71页 |
| ·线性卷积混合的数学模型 | 第57-58页 |
| ·时域的盲源分离算法 | 第58-59页 |
| ·频域的盲源分离算法 | 第59-66页 |
| ·语音信号卷积混合在频域上的盲源分离 | 第66-69页 |
| ·粒子群及其改进的优化算法在语音信号卷积混合盲源分离中的研究 | 第69-71页 |
| 结论 | 第71-74页 |
| 参考文献 | 第74-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第77页 |
