扩展独立成分分析的若干算法及其应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-22页 |
| ·引言 | 第12-13页 |
| ·独立成分分析的国内外研究综述 | 第13-17页 |
| ·独立成分分析的应用 | 第17-18页 |
| ·论文的组织结构及研究内容 | 第18-22页 |
| 第二章 独立成分分析简介 | 第22-42页 |
| ·标准独立成分分析 | 第22-38页 |
| ·鸡尾酒会问题 | 第22-23页 |
| ·独立成分分析基本定义 | 第23-27页 |
| ·独立成分的不确定性 | 第27-28页 |
| ·数据的预处理 | 第28-29页 |
| ·估计原理和估计方法 | 第29-37页 |
| ·与其它统计方法的关系 | 第37-38页 |
| ·扩展独立成分分析 | 第38-42页 |
| ·约束ICA | 第38-39页 |
| ·时间ICA | 第39-40页 |
| ·噪声ICA | 第40-42页 |
| 第三章 独立成分的排序模型与算法 | 第42-52页 |
| ·引言 | 第42-43页 |
| ·NewFP算法简介 | 第43-44页 |
| ·基于约束ICA模型的排序算法 | 第44-45页 |
| ·数值实验 | 第45-50页 |
| ·基于模拟信号的实验 | 第46-47页 |
| ·基于语音信号的实验 | 第47-49页 |
| ·基于实际心电数据的实验 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 时间ICA的盲抽取模型与算法 | 第52-76页 |
| ·引言 | 第52页 |
| ·改进的盲信号抽取算法 | 第52-64页 |
| ·基于广义自相关性和非高斯性的目标函数 | 第54-55页 |
| ·梯度型盲抽取算法 | 第55页 |
| ·盲抽取算法稳定性分析 | 第55-57页 |
| ·数值实验 | 第57-64页 |
| ·带参考的盲抽取算法 | 第64-73页 |
| ·改进的目标函数 | 第65-66页 |
| ·不动点型盲抽取算法 | 第66-67页 |
| ·数值实验 | 第67-73页 |
| ·本章小结 | 第73-76页 |
| 第五章 噪声ICA盲抽取及分离的模型与算法 | 第76-96页 |
| ·引言 | 第76页 |
| ·基于广义自相关性的噪声盲抽取算法 | 第76-88页 |
| ·拟白化过程 | 第77-78页 |
| ·信号的广义自相关性 | 第78页 |
| ·基于高斯矩和广义自相关性的目标函数 | 第78-79页 |
| ·噪声盲抽取算法 | 第79-80页 |
| ·数值实验 | 第80-88页 |
| ·基于非线性新息的噪声盲分离算法 | 第88-93页 |
| ·基于非线性新息的目标函数 | 第88-89页 |
| ·噪声盲分离算法 | 第89-91页 |
| ·数值实验 | 第91-93页 |
| ·本章小结 | 第93-96页 |
| 第六章 结论与展望 | 第96-98页 |
| ·结论与创新点 | 第96-97页 |
| ·研究展望 | 第97-98页 |
| 参考文献 | 第98-112页 |
| 攻读博士学位期间发表学术论文情况 | 第112-114页 |
| 致谢 | 第114-116页 |
