基于独立成分分析的噪音分离研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要工作和结构安排 | 第11-13页 |
| 2 独立成分分析相关理论 | 第13-22页 |
| 2.1 概率与统计学知识 | 第13-14页 |
| 2.2 信息论基础知识 | 第14-16页 |
| 2.3 盲信号分离 | 第16-18页 |
| 2.4 独立成分分析 | 第18-21页 |
| 2.5 ICA的应用领域 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 3 ICA主要算法的研究与实现 | 第22-37页 |
| 3.1 算法的组成 | 第22页 |
| 3.2 数据的预处理 | 第22-24页 |
| 3.3 自适应算法 | 第24-30页 |
| 3.4 固定点算法 | 第30-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于ICA算法的噪音分离实验研究 | 第37-49页 |
| 4.1 ICA算法评价标准 | 第37-38页 |
| 4.2 混合正弦信号的分离实验 | 第38-45页 |
| 4.3 混合音频信号的分离实验 | 第45-47页 |
| 4.4 混合噪音信号的分离实验 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 Fast ICA算法在空调噪音分离中的应用 | 第49-58页 |
| 5.1 空调噪音的来源及特点 | 第49-50页 |
| 5.2 空调噪音分离应用模型的建立 | 第50-54页 |
| 5.3 空调噪音分离结果分析 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 总结和展望 | 第58-60页 |
| 6.1 全文总结 | 第58页 |
| 6.2 未来展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
