| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究背景及其意义 | 第12-13页 |
| ·独立分量分析与带参考信号独立分量分析介绍 | 第13-16页 |
| ·独立分量分析定义 | 第13-15页 |
| ·独立分量分析中的不确定因素 | 第15页 |
| ·带参考信号的独立分量分析定义 | 第15-16页 |
| ·独立分量分析的发展历史和研究现状 | 第16-17页 |
| ·本文的主要贡献 | 第17-18页 |
| ·本文的研究内容安排 | 第18-20页 |
| 第2章 独立分量分析算法综述 | 第20-32页 |
| ·引言 | 第20页 |
| ·ICA基础 | 第20-22页 |
| ·主分量分析 | 第20-21页 |
| ·独立分量分析 | 第21-22页 |
| ·ICA算法介绍 | 第22-30页 |
| ·特征矩阵的联合近似对角化 | 第22-23页 |
| ·最大似然估计法与信息极大化算法 | 第23-26页 |
| ·最大化负熵算法 | 第26-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 基于约束独立分量分析框架的带参考信号独立分量分析方法研究 | 第32-50页 |
| ·问题的提出 | 第32-33页 |
| ·cICA问题的数学描述及其学习算法 | 第33-34页 |
| ·Less-complete ICA问题 | 第34-38页 |
| ·带参考信号的独立分量分析(ICA-R)问题的表述 | 第38-41页 |
| ·修正的ICA-R | 第41-49页 |
| ·非线性函数的选择 | 第42页 |
| ·修正的新ICA-R算法 | 第42-45页 |
| ·实验验证 | 第45-48页 |
| ·关于距离度量的选择 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 新ICA-R算法研究及其应用 | 第50-74页 |
| ·cICA框架下ICA-R算法存在的问题 | 第50-57页 |
| ·反例的提出 | 第50-54页 |
| ·先前的ICA-R算法收敛性的决定因素 | 第54-57页 |
| ·新的ICA-R算法 | 第57-58页 |
| ·新的ICA-R算法应用方法研究 | 第58-63页 |
| ·阂值参数的选择问题 | 第58-60页 |
| ·直接的参考信号提取方法 | 第60-61页 |
| ·ICA-R的扩展 | 第61-63页 |
| ·实验结果 | 第63-72页 |
| ·新旧ICA-R算法对比 | 第63-65页 |
| ·从混合图像中分离独立分量 | 第65-69页 |
| ·母婴心跳信号分离实验 | 第69-72页 |
| ·本章小结 | 第72-74页 |
| 第5章 非cICA框架下的带参考信号的独立分量分析方法 | 第74-86页 |
| ·问题的提出 | 第74-75页 |
| ·预设权值向量的one-unitICA | 第75-83页 |
| ·预设权值向量 | 第75-77页 |
| ·预设权值向量的FastICA算法 | 第77-79页 |
| ·预设权值向量的one-unit Less-completeICA算法 | 第79-82页 |
| ·预设权值向量与解的距离 | 第82-83页 |
| ·One-unit ICA with pre-design weight算法 | 第83-84页 |
| ·本章小结 | 第84-86页 |
| 第6章 工作展望与全文总结 | 第86-92页 |
| ·新的约束独立分析分析框架 | 第86-88页 |
| ·cICA框架下ICA-R的理论缺陷 | 第86-88页 |
| ·新框架下ICA-R问题定义 | 第88页 |
| ·一种新的FastICA算法 | 第88-89页 |
| ·全文总结 | 第89-90页 |
| ·其它未来的工作 | 第90-92页 |
| 参考文献 | 第92-98页 |
| 致谢 | 第98-100页 |
| 在读期间发表的学术论文和参加的科研项目 | 第100页 |
