首页--工业技术论文--无线电电子学、电信技术论文--通信论文--通信理论论文--信号分析论文

独立分量分析在盲信号分离中的应用研究

中文摘要第1-5页
英文摘要第5-8页
1 绪论第8-11页
   ·问题的提出及研究意义第8-9页
   ·国内外研究现状第9-10页
   ·本文的结构安排第10-11页
2 独立分量分析理论第11-23页
   ·引言第11页
   ·传统线性变换第11-14页
   ·基本独立分量分析第14-17页
     ·统计独立性第14页
     ·线性ICA的定义第14-15页
     ·ICA模型的识别性第15-16页
     ·ICA与主分量分析方法的关系第16页
     ·ICA的应用第16-17页
   ·独立分量分析算法第17-22页
     ·引言第17页
     ·数据预处理第17-18页
     ·算法第18页
     ·非线性去相关算法第18页
     ·最大似然或信息最大估计算法(infomax)第18-19页
     ·非线性PCA算法第19页
     ·神经单个单元学习准则第19页
     ·其它神经自适应算法第19页
     ·快速ICA(FICA)算法第19-21页
     ·基于张量算法第21-22页
     ·加权协方差法第22页
     ·算法选取第22页
   ·本章小结第22-23页
3 盲信号分离的理论基础第23-34页
   ·盲分离的建模第23-24页
   ·盲分离问题的可解性和模糊性第24-25页
   ·盲分离的估计原理和独立性概念第25-26页
   ·熵、差熵和负熵第26-28页
   ·互信息和Kullback-Leibler散度的概念第28-30页
   ·互信息作为目标函数的优化第30-31页
   ·高阶累积量第31-32页
   ·熵和负熵的近似第32-33页
   ·本章小结第33-34页
4 盲信号分离的模糊神经网络方法第34-40页
   ·算法的提出第34-35页
     ·模糊神经网络的原理及设计第34页
     ·盲信号分离的模糊神经网络结构第34-35页
   ·统计独立性的度量第35-37页
   ·对比函数的选取和简化第37-40页
     ·展开式第37-39页
     ·Edgeworth展开第39-40页
5 基于模糊神经网络的ICA对于盲信号分离的应用研究第40-55页
   ·统计独立准则第40页
   ·边缘熵的确定第40-42页
   ·激活函数第42-44页
   ·ICA学习算法第44-45页
   ·等变化性质第45-46页
   ·稳定性分析第46-47页
   ·收敛性因素第47-48页
   ·模糊神经系统的设计第48-50页
   ·计算机实验第50-54页
   ·本章小结第54-55页
6 结束语第55-56页
致谢第56-57页
参考文献第57-61页
附录第61-62页
独创性声明第62页
学位论文版权使用授权牛第62页

论文共62页,点击 下载论文
上一篇:高锌胁迫对不同品种大白菜产量和品质的影响
下一篇:猪体细胞克隆中条件优化及程序简化研究