| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·论文研究背景和意义 | 第11-12页 |
| ·欠定盲源分离的国内外研究现状 | 第12-13页 |
| ·本文内容安排 | 第13-15页 |
| 第2章 欠定盲源分离基础理论 | 第15-25页 |
| ·欠定盲源分离的数学模型和先验假设 | 第15-16页 |
| ·欠定盲源分离的数学模型 | 第15-16页 |
| ·欠定盲源分离的先验假设 | 第16页 |
| ·语音信号的特征分析 | 第16-20页 |
| ·语音信号的特征 | 第16-19页 |
| ·语音信号的时频表示 | 第19-20页 |
| ·基于两步法的稀疏分量分析方法 | 第20-23页 |
| ·混合矩阵的估计 | 第20-22页 |
| ·源信号分离算法 | 第22-23页 |
| ·性能评价 | 第23-24页 |
| ·混合矩阵估计结果评价准则 | 第23页 |
| ·源信号分离算法评价准则 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于混合聚类和网格密度的混合矩阵估计算法 | 第25-44页 |
| ·传统的混合矩阵估计算法 | 第25-27页 |
| ·基于势函数的聚类算法 | 第26页 |
| ·K均值聚类算法 | 第26-27页 |
| ·粒子群优化算法 | 第27-32页 |
| ·基本粒子群优化(PSO)算法 | 第27-30页 |
| ·惯性权重(inertia weight)PSO算法 | 第30-31页 |
| ·收缩因子(constriction factor)PSO算法 | 第31-32页 |
| ·基于混合聚类和网格密度的混合矩阵估计算法 | 第32-36页 |
| ·自适应权重PSO算法 | 第32-33页 |
| ·混合聚类算法中K均值的操作时机 | 第33页 |
| ·随机变异操作 | 第33-34页 |
| ·混合聚类算法流程 | 第34-35页 |
| ·基于网络密度法的聚类中心修正 | 第35-36页 |
| ·实验仿真比较 | 第36-42页 |
| ·本章小结 | 第42-44页 |
| 第4章 基于压缩感知的源信号分离算法 | 第44-60页 |
| ·压缩感知的基本理论 | 第44-47页 |
| ·信号的稀疏变换 | 第44-45页 |
| ·压缩感知的线性测量过程 | 第45页 |
| ·压缩感知的信号重构理论 | 第45-47页 |
| ·基于压缩感知的欠定盲源分离重构模型 | 第47-50页 |
| ·欠定盲分离的基本模型 | 第47-48页 |
| ·基于压缩感知的欠定盲源重构模型 | 第48-50页 |
| ·基于CS的信号重构算法 | 第50-54页 |
| ·基于基追踪(BP)的l_1范数最小化算法 | 第50-51页 |
| ·基于正交匹配追踪(OMP)的l_1范数最小化算法 | 第51页 |
| ·基于改进正交匹配追踪(OMP)的l_1范数最小化算法 | 第51-54页 |
| ·实验仿真比较 | 第54-58页 |
| ·本章小结 | 第58-60页 |
| 结论与展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间发表的论文及参与的科研项目 | 第67页 |
