| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 盲源分离技术的背景 | 第11-12页 |
| 1.2 盲源分离的研究现状 | 第12-14页 |
| 1.3 单一目标源盲提取的研究现状 | 第14-15页 |
| 1.4 本文章节安排 | 第15-16页 |
| 第二章 盲源分离的理论基础及独立成分分析方法 | 第16-34页 |
| 2.1 信息论基础 | 第16-18页 |
| 2.2 盲源分离的数学模型 | 第18-20页 |
| 2.2.1 瞬时混合模型 | 第18-19页 |
| 2.2.2 卷积混合模型 | 第19-20页 |
| 2.3 独立成分分析方法 | 第20-26页 |
| 2.3.1 独立成分分析的模型 | 第20页 |
| 2.3.2 独立成分分析的约束条件 | 第20-21页 |
| 2.3.3 独立成分分析的不确定性 | 第21-22页 |
| 2.3.4 信号的预处理 | 第22-24页 |
| 2.3.5 非高斯性的度量 | 第24-26页 |
| 2.4 目标函数和优化算法 | 第26-33页 |
| 2.4.1 互信息最小化目标函数 | 第26-27页 |
| 2.4.2 极大似然目标函数 | 第27页 |
| 2.4.3 基于熵的目标函数 | 第27-28页 |
| 2.4.4 负熵或峭度最大化的目标函数 | 第28页 |
| 2.4.5 梯度算法 | 第28-30页 |
| 2.4.6 自然梯度算法 | 第30页 |
| 2.4.7 固定点算法 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 卷积盲源分离频域算法 | 第34-61页 |
| 3.1 卷积盲源分离频域法基本原理 | 第34-35页 |
| 3.2 短时傅里叶变换及其逆变换 | 第35-36页 |
| 3.3 复数域的盲源分离算法 | 第36-38页 |
| 3.3.1 基于负熵最大化的c-FastICA算法 | 第37页 |
| 3.3.2 基于峭度最大化的算法 | 第37-38页 |
| 3.4 频域幅值不确定性调整方法 | 第38-39页 |
| 3.5 频域排序不确定性调整方法 | 第39-46页 |
| 3.5.1 传统基于频率间幅度相关性排序算法 | 第39-42页 |
| 3.5.2 改进的频率间幅度相关性排序算法 | 第42-45页 |
| 3.5.3 波达方向(DOA)排序算法 | 第45-46页 |
| 3.6 卷积混合的盲源分离频域算法 | 第46-50页 |
| 3.6.1 基于改进幅度相关排序的频域分离算法 | 第46-48页 |
| 3.6.2 基于改进幅度相关排序和波达方向相结合的频域分离算法 | 第48-50页 |
| 3.7 性能评价及标准 | 第50-51页 |
| 3.8 仿真实验与分析 | 第51-59页 |
| 3.8.1 对比实验一及分析 | 第51-55页 |
| 3.8.2 对比实验二及分析 | 第55-59页 |
| 3.8.3 实验结果总结 | 第59页 |
| 3.9 本章小结 | 第59-61页 |
| 第四章 基于模量差异性约束的语音频域盲提取 | 第61-73页 |
| 4.1 引言 | 第61页 |
| 4.2 约束ICA的基本原理 | 第61-63页 |
| 4.3 盲信号提取模型 | 第63-64页 |
| 4.4 基于模量差异性的语音频域盲提取算法 | 第64-70页 |
| 4.4.1 语音和背景噪声模量差异性 | 第64-67页 |
| 4.4.2 频域盲提取算法 | 第67-70页 |
| 4.5 仿真实验与分析 | 第70-72页 |
| 4.5.1 评价准则 | 第70页 |
| 4.5.2 实验与分析 | 第70-72页 |
| 4.6 本章小结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |