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--信号处理论文

盲信源分离的若干问题研究

作者简介第1-6页
摘要第6-8页
ABSTRACT第8-13页
第一章 绪论第13-19页
 §1.1 盲信源分离的应用背景第13-15页
 §1.2 盲信源分离的研究现状第15-17页
 §1.3 论文主要内容第17-19页
第二章 盲信源分离基础第19-33页
 §2.1 信号混合模型及其假设第19-23页
  §2.1.1 信号混合模型第19-22页
  §2.1.2 基本假设第22-23页
 §2.2 信息论基础第23-25页
  §2.2.1 熵第23-24页
  §2.2.2 互信息第24页
  §2.2.3 信息最大化第24-25页
 §2.3 盲信源分离方法第25-28页
  §2.3.1 独立分量分析(ICA)第25-26页
  §2.3.2 基于互信息的 ICA 准则第26-27页
  §2.3.3 自然梯度算法第27-28页
 §2.4 自然梯度算法的稳定性分析第28-31页
 §2.5 本章小结第31-33页
第三章 非平稳信号混合的盲信源分离算法第33-51页
 §3.1 基本的自然梯度算法第33-39页
  §3.1.1 问题描述第33-35页
  §3.1.2 非线性函数第35-36页
  §3.1.3 算法仿真第36-39页
 §3.2 正交性约束的自然梯度算法第39-46页
  §3.2.1 非完整约束的自然梯度算法第39-41页
  §3.2.2 正交性约束的自然梯度算法第41-42页
  §3.2.3 正交性约束与非完整约束学习规则的关系第42-43页
  §3.2.4 算法仿真第43-46页
 §3.3 基于相关性测度的变步长正交性约束自然梯度算法第46-50页
  §3.3.1 基于相关性测度的变步长技术第46-47页
  §3.3.2 变步长的正交性约束自然梯度算法第47-48页
  §3.3.3 算法仿真第48-50页
 §3.4 本章小结第50-51页
第四章 超高斯与亚高斯信号混合的盲信源分离算法第51-73页
 §4.1 信号的概率密度函数与峰度第51-53页
  §4.1.1 信号的概率密度函数第51-52页
  §4.1.2 信号的峰度第52-53页
 §4.2 基于峰度符号估计的自然梯度算法第53-61页
  §4.2.1 问题描述第53-54页
  §4.2.2 基于峰度符号估计的自然梯度算法第54-57页
  §4.2.3 算法仿真第57-61页
 §4.3 基于概率密度函数估计的 EASI 算法第61-71页
  §4.3.1 非参数概率密度函数估计第61-63页
  §4.3.2 概率密度函数估计的核函数方法第63-65页
  §4.3.3 基于概率密度函数估计的 EASI 算法第65-66页
  §4.3.4 算法仿真第66-71页
 §4.4 本章小结第71-73页
第五章 基于模糊推理的盲信源分离算法第73-97页
 §5.1 模糊推理技术第73-76页
  §5.1.1 模糊理论第73-74页
  §5.1.2 模糊推理基础第74-75页
  §5.1.3 模糊推理系统的结构第75-76页
 §5.2 基于模糊推理的变步长自然梯度算法第76-85页
  §5.2.1 相关性测度和高阶相关性测度的计算第76-78页
  §5.2.2 模糊变步长自然梯度算法第78-83页
  §5.2.3 算法仿真第83-85页
 §5.3 基于模糊推理的变步长正交性约束自然梯度算法第85-90页
  §5.3.1 模糊变步长的正交性约束自然梯度算法第86-87页
  §5.3.2 算法仿真第87-90页
 §5.4 基于模糊推理的变步长峰度符号估计自然梯度算法第90-96页
  §5.4.1 模糊变步长的峰度符号估计自然梯度算法第90-93页
  §5.4.2 算法仿真第93-96页
 §5.5 本章小结第96-97页
第六章 总结和展望第97-100页
 §6.1 总结第97-98页
 §6.2 展望第98-100页
致谢第100-101页
参考文献第101-112页
博士阶段参加的科研项目与发表的学术论文第112-113页

论文共113页,点击 下载论文
上一篇:无线Ad Hoc网络节点移动部署研究
下一篇:空间信息网高性能路由协议研究