| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景和发展现状 | 第8-10页 |
| ·辐射EMI 噪声分析研究背景 | 第8-10页 |
| ·发展现状 | 第10页 |
| ·论文主要工作和章 节安排 | 第10-12页 |
| ·主要工作 | 第10-11页 |
| ·章 节安排 | 第11-12页 |
| 第二章 盲源分离技术简介 | 第12-21页 |
| ·盲源分离技术的发展概况 | 第12-13页 |
| ·盲源分离原理 | 第13-14页 |
| ·盲源分离的基本假设和特点 | 第14-15页 |
| ·源信号的统计独立性及其度量 | 第15-16页 |
| ·盲源分离主要算法介绍 | 第16-19页 |
| ·瞬时混合模型分离算法 | 第17-18页 |
| ·卷积混合模型盲分离算法 | 第18-19页 |
| ·非线性混合盲分离算法 | 第19页 |
| ·本章小结 | 第19-21页 |
| 第三章 独立分量分析 | 第21-35页 |
| ·独立分量分析ICA | 第21-25页 |
| ·概述 | 第21-22页 |
| ·ICA 中常见的代价函数 | 第22-24页 |
| ·ICA 中常见的学习算法 | 第24-25页 |
| ·FastICA 算法 | 第25-27页 |
| ·FastICA 算法原理 | 第25-26页 |
| ·FastICA 算法步骤 | 第26-27页 |
| ·基于非参数密度估计的盲源分离算法 | 第27-32页 |
| ·非参数核密度估计 | 第27-28页 |
| ·目标函数的导数 | 第28-29页 |
| ·优化算法 | 第29-32页 |
| ·仿真分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于STFT 的卷积盲源分离 | 第35-42页 |
| ·基于STFT 的卷积盲源分离算法 | 第35-39页 |
| ·加窗傅里叶变换 | 第36-37页 |
| ·排序和膨胀 | 第37-39页 |
| ·傅里叶反变换 | 第39页 |
| ·卷积盲源分离算法步骤 | 第39页 |
| ·仿真分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 基于盲源分离的辐射EMI 噪声的诊断分析 | 第42-55页 |
| ·基于盲源分离的辐射EMI 噪声分析 | 第42-46页 |
| ·辐射EMI 噪声测试实验设计 | 第42-43页 |
| ·基于盲源分离的噪声分析 | 第43-46页 |
| ·辐射EMI 噪声诊断 | 第46-53页 |
| ·特征提取 | 第47-49页 |
| ·基于BP 神经网络的模式识别技术 | 第49-52页 |
| ·模式识别仿真分析 | 第52-53页 |
| ·一种基于BSS 和模式识别的辐射噪声模态纯软件分离方法 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 全文总结 | 第55-57页 |
| 致谢 | 第57-58页 |
| 附录：本文作者硕士期间发表的论文情况 | 第58-59页 |
| 参考文献 | 第59-63页 |