| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·盲信号分离研究状况 | 第8-9页 |
| ·支持向量机研究现状 | 第9-10页 |
| ·本文内容简介 | 第10-12页 |
| 第二章 盲信号分离的基础知识 | 第12-19页 |
| ·盲信号分离的模型 | 第12-13页 |
| ·独立分析原理 | 第13-17页 |
| ·概率论知识 | 第14页 |
| ·高阶累积量 | 第14-16页 |
| ·负熵及互信息 | 第16-17页 |
| ·支持向量机 | 第17-19页 |
| 第三章 基于 LS-SVM 的 FastICA 算法 | 第19-34页 |
| ·数据的预处理 | 第19-21页 |
| ·梯度下降法 | 第21-22页 |
| ·标准梯度法 | 第21页 |
| ·自然梯度法 | 第21-22页 |
| ·FastICA 算法 | 第22-24页 |
| ·基于 LS-SVM 的FastICA 算法 | 第24-27页 |
| ·仿真实验 | 第27-34页 |
| 第四章 基于共轭梯度的扩展 Infomax 算法 | 第34-46页 |
| ·扩展 Infomax 算法 | 第34-37页 |
| ·基于共轭梯度的扩展 Infomax 算法 | 第37-39页 |
| ·仿真实验 | 第39-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50页 |