基于动量项技术及辅助分离系统的盲源分离问题的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景与意义 | 第10页 |
| 1.2 盲源分离的国内外研究现状 | 第10-12页 |
| 1.3 盲源分离的应用 | 第12-14页 |
| 1.4 本文的主要创新点 | 第14页 |
| 1.5 本文的研究内容与结构安排 | 第14-16页 |
| 第2章 盲源分离的基本理论 | 第16-29页 |
| 2.1 盲源分离的数学模型 | 第16-18页 |
| 2.2 盲源分离的特性与相关知识 | 第18-23页 |
| 2.2.1 混合信号的可分离性 | 第18-19页 |
| 2.2.2 盲源分离的不确定性 | 第19-23页 |
| 2.2.3 信号的互信息 | 第23页 |
| 2.3 盲源分离的预处理 | 第23-26页 |
| 2.3.1 信号的中心化 | 第24页 |
| 2.3.2 信号的白化 | 第24-26页 |
| 2.4 代价函数的优化准则 | 第26-28页 |
| 2.4.1 最小互信息准则 | 第26页 |
| 2.4.2 联合对角化准则 | 第26-27页 |
| 2.4.3 最大熵准则 | 第27-28页 |
| 2.4.4 最大似然准则 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于可变动量因子的自然梯度算法 | 第29-47页 |
| 3.1 自然梯度算法 | 第29-31页 |
| 3.2 基于动量项的盲源分离 | 第31-36页 |
| 3.2.1 动量项的提出 | 第32-33页 |
| 3.2.2 几种经典的动量项盲源分离算法 | 第33-36页 |
| 3.3 算法的设计与实现 | 第36-41页 |
| 3.3.1 动量因子对算法的影响 | 第36-38页 |
| 3.3.2 算法的基本原理 | 第38-39页 |
| 3.3.3 算法的实现步骤 | 第39-41页 |
| 3.4 仿真实验与结果分析 | 第41-46页 |
| 3.4.1 仿真实验 | 第41-44页 |
| 3.4.2 仿真结果分析 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 引入辅助分离系统的不完整自然梯度算法 | 第47-65页 |
| 4.1 不完整自然梯度算法 | 第47-50页 |
| 4.1.1 不完整基 | 第47-49页 |
| 4.1.2 算法的原理 | 第49-50页 |
| 4.2 算法的分离性能指标 | 第50-51页 |
| 4.3 算法的设计与实现 | 第51-57页 |
| 4.3.1 辅助分离系统的引入 | 第52-55页 |
| 4.3.2 基于PI值的自适应步长 | 第55页 |
| 4.3.3 算法的实现步骤 | 第55-57页 |
| 4.4 仿真实验与结果分析 | 第57-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 全文内容总结 | 第65页 |
| 5.2 研究展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间发表的论文 | 第72页 |
