| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-23页 |
| ·盲分离问题的数学模型 | 第13-14页 |
| ·瞬时混合盲分离问题 | 第13页 |
| ·盲解卷积与卷积混合盲分离问题 | 第13-14页 |
| ·国内外发展概述 | 第14-16页 |
| ·盲源分离方法的分类 | 第16-17页 |
| ·基于源信号概率分布特性的方法 | 第16页 |
| ·基于源信号的时间结构的方法 | 第16页 |
| ·盲源分离方法的假设条件 | 第16-17页 |
| ·独立分量分析、主分量分析与因子分析 | 第17页 |
| ·盲源分离的应用 | 第17-19页 |
| ·本文的内容安排及主要研究内容 | 第19-23页 |
| 2 主分量分析与数据白化 | 第23-34页 |
| ·随机向量的特征向量空间分解——主分量分解 | 第23-24页 |
| ·主分量分析方法分类 | 第24-25页 |
| ·特征值分解法 | 第24-25页 |
| ·数值解法 | 第25页 |
| ·基于梯度法的主分量串行提取 | 第25-30页 |
| ·基于方差最大化的方法 | 第25-27页 |
| ·基于压缩误差均方最小化的方法 | 第27-28页 |
| ·两种提取主分量算法的对比 | 第28-30页 |
| ·基于迭代法的主分量串行提取 | 第30-31页 |
| ·随机向量的白化 | 第31-33页 |
| ·随机向量白化的数值解法 | 第31-32页 |
| ·白化阵与特征向量阵的对比——白化阵的非惟一性 | 第32-33页 |
| ·小结 | 第33-34页 |
| 3 基于非高斯性最大化的ICA／BSS | 第34-59页 |
| ·中心极限定理用于ICA | 第34-35页 |
| ·基于峰态绝对值最大化的ICA | 第35-37页 |
| ·峰态作为非高斯性的度量 | 第35页 |
| ·基于峰态绝对值最大化的ICA | 第35-36页 |
| ·使用峰态的ICA快速定点迭代算法 | 第36-37页 |
| ·基于相似度的ICA | 第37-40页 |
| ·基于相似度的串行ICA梯度算法 | 第37-40页 |
| ·基于相似度的串行ICA定点迭代算法 | 第40页 |
| ·使用相似度的ICA近似牛顿算法 | 第40-41页 |
| ·如何估计多个源变量——正交化算法 | 第41-42页 |
| ·快速ICA(FastICA)算法 | 第42-44页 |
| ·采用收缩正交化方法的快速ICA算法流程 | 第42-43页 |
| ·采用对称正交化方法的快速ICA算法流程 | 第43页 |
| ·无预处理的快速ICA | 第43-44页 |
| ·基于峰态绝对值最大化的ICA方法的几何解释 | 第44-50页 |
| ·问题描述 | 第45页 |
| ·寻优过程的几何解释 | 第45-50页 |
| ·小结 | 第50页 |
| ·仿真实验及分析 | 第50-51页 |
| ·串行ICA的另一大类算法 | 第51-56页 |
| ·基于归一化峰态的盲源提取 | 第51-54页 |
| ·盲源提取的免归一化步骤的迭代算法 | 第54页 |
| ·多次提取和消减处理 | 第54-56页 |
| ·串行ICA算法的总流程图 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 4 基于源变量相互独立性的ICA——并行ICA | 第59-69页 |
| ·基于最大似然原理的ICA | 第59-61页 |
| ·基于最大信息原理的ICA | 第61-62页 |
| ·基于最小互信息原理的ICA | 第62-63页 |
| ·算法的收敛条件与源变量密度的估计 | 第63-65页 |
| ·评价函数的构建 | 第65-67页 |
| ·ICA自然梯度法流程 | 第67-68页 |
| ·小结 | 第68-69页 |
| 5 ICA方法的一个统一理论框架 | 第69-77页 |
| ·Kullback_Leibler距离及其性质 | 第69-70页 |
| ·随机向量的相依性，相关性和非高斯性 | 第70-73页 |
| ·ICA方法的统一理论框架 | 第73-74页 |
| ·实用ICA方法与理论框架的关系 | 第74-75页 |
| ·仿真实验及分析 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 6 基于源信号时序结构的盲分离 | 第77-97页 |
| ·利用时间去相关实现BSS的数值解法 | 第77-79页 |
| ·使用一个延迟时间 | 第77-78页 |
| ·使用几个延迟时间 | 第78-79页 |
| ·利用时间去相关实现BSS的解析方法 | 第79-81页 |
| ·两种利用时间去相关BSS方法的对比 | 第81-82页 |
| ·时间自相关源信号盲提取的批处理算法 | 第82-85页 |
| ·用一阶线性滤波器进行盲提取 | 第84-85页 |
| ·时间相关源信号提取的自适应算法 | 第85-86页 |
| ·多个自相关源信号的串行盲提取——消减处理 | 第86页 |
| ·基于时间相关性的信号盲分离方法的分类与流程 | 第86-88页 |
| ·基于源信号非平稳性的BSS | 第88-90页 |
| ·基于源信号非平稳性的BSS一种新算法 | 第88-89页 |
| ·与现有算法的对比 | 第89-90页 |
| ·α稳定分布的冲激信号的盲分离方法 | 第90-96页 |
| ·α稳定分布的特征函数及性质 | 第91页 |
| ·分数低阶矩理论 | 第91-94页 |
| ·基于分数阶协方差阵的盲分离 | 第94-95页 |
| ·仿真结果 | 第95-96页 |
| ·本章小结 | 第96-97页 |
| 7 盲源分离在脑电信号处理中的应用 | 第97-115页 |
| ·多导EEG信号去伪差 | 第97-102页 |
| ·EEG信号 | 第97-99页 |
| ·基于盲源分离的去伪差方法 | 第99-100页 |
| ·EEG实验数据分析 | 第100-102页 |
| ·基于Infomax预处理的诱发电位潜伏期变化自适应检测 | 第102-110页 |
| ·Infomax算法 | 第103-104页 |
| ·用Infomax对带噪EP信号的预处理 | 第104-105页 |
| ·仿真实验与实验数据分析 | 第105-110页 |
| ·结论 | 第110页 |
| ·盲分离的欠定问题及仿真 | 第110-114页 |
| ·盲分离的欠定问题 | 第110-112页 |
| ·仿真实验 | 第112-114页 |
| ·本章小结 | 第114-115页 |
| 8 总结与展望 | 第115-118页 |
| 参考文献 | 第118-125页 |
| 攻读博士学位期间的科研情况 | 第125-127页 |
| 致谢 | 第127-128页 |
| 创新点摘要 | 第128-129页 |
| 大连理工大学学位论文版权使用授权书 | 第129页 |