基于独立分量分析的地震信号随机噪声盲分离方法应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 引言 | 第9-21页 |
| ·选题依据及研究意义 | 第9-14页 |
| ·问题提出的背景 | 第9-13页 |
| ·问题的研究意义 | 第13-14页 |
| ·独立分量分析的研究现状 | 第14-16页 |
| ·本文主要研究内容及创新点 | 第16-20页 |
| ·主要研究内容 | 第16-17页 |
| ·创新点 | 第17页 |
| ·本文技术路线 | 第17-20页 |
| ·本文结构框架 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第2章 独立分量分析的基本理论 | 第21-39页 |
| ·独立分量分析的相关概念 | 第21-24页 |
| ·熵（entropy） | 第21-22页 |
| ·KL 散度 | 第22页 |
| ·互信息(Mutual information) | 第22-23页 |
| ·负熵 | 第23-24页 |
| ·独立分量分析原理 | 第24-25页 |
| ·ICA 数学模型 | 第24页 |
| ·ICA 前提假设条件 | 第24-25页 |
| ·ICA 问题的不确定性分析 | 第25页 |
| ·信号预处理 | 第25-27页 |
| ·零均值化 | 第25-26页 |
| ·白化 | 第26-27页 |
| ·独立分量分析的优化判据 | 第27-30页 |
| ·互信息极小化 | 第28页 |
| ·负熵最大化 | 第28-29页 |
| ·极大似然判据 | 第29页 |
| ·高阶统计量方法 | 第29-30页 |
| ·独立分量分析优化算法 | 第30-38页 |
| ·极大峰度法 | 第30-32页 |
| ·特征矩阵的联合近似对角化法（JADE） | 第32-34页 |
| ·Informax 算法及其扩展算法 | 第34-36页 |
| ·FastICA 方法 | 第36-38页 |
| ·分离效果的检验方法 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第3章 基于独立分量分析的随机噪声盲分离技术 | 第39-48页 |
| ·适用条件分析 | 第39-40页 |
| ·信噪盲分离模型的建立 | 第40-41页 |
| ·随机噪声盲分离算法设计 | 第41-43页 |
| ·预处理方法改进 | 第41-43页 |
| ·JADE 算法步骤 | 第43页 |
| ·ICA 固有不确定性问题的解决方案 | 第43-46页 |
| ·随机噪声盲分离实现步骤 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第4章 随机噪声盲分离试验及结果分析 | 第48-56页 |
| ·仿真实验及结果分析 | 第48-52页 |
| ·实际地震资料的处理及结果分析 | 第52-53页 |
| ·低信噪比地震资料处理及结果分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间取得学术成果 | 第63页 |
