| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 常用符号对照表 | 第12-13页 |
| 第一章 绪论 | 第13-23页 |
| ·盲信源分离的研究背景及研究意义 | 第13-15页 |
| ·研究历史与现状 | 第15-19页 |
| ·本文的研究内容 | 第19-23页 |
| 第二章 盲信源分离问题及其基础知识 | 第23-49页 |
| ·引言 | 第23页 |
| ·盲信源分离的混合模型及假设 | 第23-28页 |
| ·混合模型 | 第23-27页 |
| ·盲信源分离问题的基本假设 | 第27-28页 |
| ·盲信源分离问题的基础知识 | 第28-37页 |
| ·不相关与统计独立 | 第28-29页 |
| ·信息论基础知识 | 第29-32页 |
| ·高阶统计量 | 第32-34页 |
| ·张量及其分解的基础知识 | 第34-37页 |
| ·基于对比函数优化理论的盲信源分离方法 | 第37-44页 |
| ·独立分量分析的对比函数理论 | 第37-38页 |
| ·盲信源分离中常用的对比函数 | 第38-41页 |
| ·优化方法及稳定性条件 | 第41-44页 |
| ·盲信源分离的代数方法 | 第44-48页 |
| ·观测信号统计量特征矩阵的代数结构 | 第45-47页 |
| ·盲信源分离代数方法的基本思路和流程 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第三章 非正交联合对角化盲信源分离算法的可辨识性研究 | 第49-61页 |
| ·引言 | 第49页 |
| ·非正交联合对角化算法概述 | 第49-52页 |
| ·联合对角化的定义 | 第49-50页 |
| ·非正交联合对角化的代价函数及常用算法 | 第50-52页 |
| ·非正交联合对角化算法的可辨识性问题 | 第52-60页 |
| ·非正交联合对角化的唯一存在定义 | 第52-53页 |
| ·唯一存在条件对源信号的要求 | 第53-55页 |
| ·仿真研究 | 第55-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 盲信源分离欠定混合矩阵估计的张量分解方法 | 第61-77页 |
| ·引言 | 第61页 |
| ·欠定盲信源分离问题 | 第61-66页 |
| ·欠定问题模型及可辨识性条件 | 第61-63页 |
| ·欠定问题的解决方法 | 第63-66页 |
| ·欠定混合矩阵估计的张量分解方法 | 第66-71页 |
| ·用张量的标准分解估计欠定混合矩阵 | 第66-67页 |
| ·张量标准分解快速算法的基本原理 | 第67-68页 |
| ·运用快速算法估计欠定混合矩阵 | 第68-71页 |
| ·仿真研究 | 第71-74页 |
| ·本章小结 | 第74-77页 |
| 第五章 多维盲信源分离的联合块对角化方法 | 第77-97页 |
| ·引言 | 第77-78页 |
| ·多维盲信源分离的信号模型 | 第78-79页 |
| ·多维盲信源分离的联合块对角化方法原理 | 第79-82页 |
| ·时延相关矩阵的非正交联合块对角化结构 | 第79-80页 |
| ·预白化及白化后数据的正交联合块对角化结构 | 第80-82页 |
| ·正交联合块对角化的雅克比方法 | 第82-86页 |
| ·近似联合块对角化及其代价函数 | 第82-83页 |
| ·雅克比方法原理 | 第83-86页 |
| ·联合块对角化方法在卷积源分离中的应用 | 第86-88页 |
| ·仿真研究 | 第88-95页 |
| ·随机数据模型数值实验 | 第89-92页 |
| ·多维盲信源分离模型数值实验 | 第92-94页 |
| ·卷积混合盲信源分离模型数值实验 | 第94-95页 |
| ·本章小结 | 第95-97页 |
| 第六章 基于激励函数估计的自然梯度盲分离算法 | 第97-113页 |
| ·引言 | 第97-98页 |
| ·自然梯度盲信源分离算法 | 第98-103页 |
| ·最小互信息对比函数 | 第98-99页 |
| ·自然梯度优化算法 | 第99-101页 |
| ·等变化性 | 第101-103页 |
| ·激励函数的估计方法回顾 | 第103-106页 |
| ·级数展开的方法 | 第103-105页 |
| ·采用固定非线性函数的方法 | 第105-106页 |
| ·激励函数估计的函数逼近方法 | 第106-108页 |
| ·仿真研究 | 第108-112页 |
| ·本章小结 | 第112-113页 |
| 第七章 统计相关源信号盲分离方法的初步探索 | 第113-123页 |
| ·引言 | 第113页 |
| ·相关源盲分离方法回顾 | 第113-117页 |
| ·子带独立分量分析方法 | 第113-115页 |
| ·最大非高斯性方法 | 第115-117页 |
| ·稀疏相关信源盲分离方法 | 第117-122页 |
| ·方法原理 | 第117-120页 |
| ·仿真研究 | 第120-122页 |
| ·本章小结 | 第122-123页 |
| 第八章 总结和展望 | 第123-126页 |
| ·总结 | 第123-124页 |
| ·展望 | 第124-126页 |
| 致谢 | 第126-128页 |
| 参考文献 | 第128-143页 |
| 博士阶段参与的科研项目与发表的学术论文 | 第143-145页 |