| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-14页 |
| ·研究的背景及意义 | 第7-8页 |
| ·盲分离技术的发展和现状 | 第8-10页 |
| ·盲分离问题综述 | 第10-12页 |
| ·盲分离（BSS）的数学描述 | 第10-11页 |
| ·盲分离（BSS）问题的可实现性 | 第11-12页 |
| ·盲分离（BSS）问题的模糊性 | 第12页 |
| ·本文的主要内容和论文结构安排 | 第12-14页 |
| 第二章 盲分离问题的基本理论 | 第14-27页 |
| ·统计理论 | 第14-19页 |
| ·高阶矩和高阶累计量的定义 | 第14-16页 |
| ·高阶累计量的计算 | 第16-18页 |
| ·高阶累计量的重要性质 | 第18-19页 |
| ·信息论的有关知识 | 第19-24页 |
| ·熵(entropy) | 第20-22页 |
| ·Kullback-Leibler(K-L)散度 | 第22页 |
| ·互信息（Mutual information） | 第22-23页 |
| ·负熵(neg-entropy) | 第23-24页 |
| ·线性系统输入输出信号间有关信息特征参数的关系 | 第24-26页 |
| ·熵关系 | 第24-25页 |
| ·K-L 散度关系 | 第25页 |
| ·互信息关系 | 第25页 |
| ·负熵关系 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 盲分离常用算法研究 | 第27-37页 |
| ·独立性判据 | 第27-29页 |
| ·互信息最小化判据(Minimization of Mutual Information, MMI) | 第27页 |
| ·信息最大化判据 | 第27-28页 |
| ·极大似然估计判据(Maximum Likelihood Estimation, MLE) | 第28-29页 |
| ·常用算法 | 第29-34页 |
| ·信息最大化算法（INFORMAX） | 第30-31页 |
| ·互信息极小（MMI）法 | 第31-32页 |
| ·高阶统计量方法 | 第32-33页 |
| ·扩展的ICA 算法 | 第33-34页 |
| ·算法性能评价准则 | 第34-36页 |
| ·基于混合矩阵的算法性能评价准则 | 第34-36页 |
| ·基于信号波形的算法性能评价准则 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第四章 小波变换及去噪理论 | 第37-45页 |
| ·小波理论及其算法 | 第37-38页 |
| ·连续小波变换 | 第37页 |
| ·离散小波变换 | 第37-38页 |
| ·多分辨率分析 | 第38-41页 |
| ·多分辨率分析 | 第38-39页 |
| ·L~2( R ) 的正交小波基 | 第39页 |
| ·Mallat 快速分解重构算法 | 第39-41页 |
| ·小波去噪技术 | 第41-44页 |
| ·信号和噪声的小波特性 | 第41-42页 |
| ·信号去噪处理方法 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 噪声条件下的盲分离 | 第45-56页 |
| ·预白化处理 | 第45-46页 |
| ·算法的确定 | 第46-47页 |
| ·非线性函数的确定 | 第47-50页 |
| ·几种常用非线性函数的对比 | 第47-48页 |
| ·非线性函数的提出 | 第48-50页 |
| ·约束条件 | 第50页 |
| ·利用小波变换进行去噪声处理 | 第50-51页 |
| ·算法实现 | 第51页 |
| ·仿真实验 | 第51-55页 |
| ·不加噪声时的情况 | 第51-53页 |
| ·加入噪声时的情况 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 结论与展望 | 第56-58页 |
| ·结论 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63-64页 |