基于自然梯度的盲源分离算法中非线性函数的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-14页 |
| 1.3 盲源分离的应用 | 第14-16页 |
| 1.4 论文的创新点 | 第16-17页 |
| 1.5 论文的主要研究内容和结构安排 | 第17-19页 |
| 第2章 盲源分离的基本理论 | 第19-33页 |
| 2.1 信号混合模型及其假设 | 第19-22页 |
| 2.2 盲源分离的可分离性 | 第22-24页 |
| 2.2.1 盲分离问题的可解性 | 第22-23页 |
| 2.2.2 分离效果评价指标 | 第23-24页 |
| 2.3 盲源分离的代价函数 | 第24-26页 |
| 2.3.1 基于互信息的代价函数 | 第24-25页 |
| 2.3.2 基于负熵的代价函数 | 第25-26页 |
| 2.3.3 基于峭度的代价函数 | 第26页 |
| 2.4 独立分量分析算法 | 第26-30页 |
| 2.4.1 固定点算法 | 第27-28页 |
| 2.4.2 自然梯度算法 | 第28-30页 |
| 2.5 盲源分离中的非线性函数 | 第30-32页 |
| 2.5.1 非线性函数的构造方法 | 第30-31页 |
| 2.5.2 常用的非线性函数 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 基于皮尔逊系统的非线性函数 | 第33-49页 |
| 3.1 非线性函数对算法稳定性的影响 | 第33-38页 |
| 3.1.1 自然梯度算法的稳定性 | 第33-37页 |
| 3.1.2 非线性函数对算法的影响 | 第37-38页 |
| 3.2 皮尔逊系统 | 第38-40页 |
| 3.2.1 皮尔逊系统的数学模型 | 第38页 |
| 3.2.2 皮尔逊系统的参数估计 | 第38-40页 |
| 3.3 基于皮尔逊系统的分段非线性函数 | 第40-44页 |
| 3.3.1 皮尔逊系统用于盲源分离 | 第40-41页 |
| 3.3.2 分段非线性函数的设计与实现 | 第41-42页 |
| 3.3.3 基于分段非线性函数的自然梯度算法 | 第42-44页 |
| 3.4 仿真实验及性能分析 | 第44-47页 |
| 3.4.1 仿真实验 | 第44-46页 |
| 3.4.2 性能分析 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 基于双曲-歌希模型的峭度非线性函数 | 第49-65页 |
| 4.1 信号的概率密度与峭度 | 第49-53页 |
| 4.1.1 信号的概率密度 | 第49-52页 |
| 4.1.2 信号的峭度 | 第52-53页 |
| 4.2 基于峭度符号估计的非线性函数 | 第53-54页 |
| 4.3 一种新的峭度的非线性函数 | 第54-59页 |
| 4.3.1 双曲-歌希混合密度模型 | 第55-56页 |
| 4.3.2 非线性函数的设计与实现 | 第56-57页 |
| 4.3.3 基于新峭度非线性函数的自然梯度算法 | 第57-59页 |
| 4.4 仿真结果及性能分析 | 第59-63页 |
| 4.4.1 仿真实验 | 第59-62页 |
| 4.4.2 性能分析 | 第62-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第5章 总结与展望 | 第65-69页 |
| 5.1 全文内容总结 | 第65-66页 |
| 5.2 研究展望 | 第66-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 攻读硕士学位期间发表的学术论文 | 第77页 |
