| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第1章 绪论 | 第10-19页 |
| ·选题背景 | 第10页 |
| ·盲信号分离技术简介 | 第10-16页 |
| ·盲分离问题的简单描述 | 第11-12页 |
| ·盲信号分离方法的约束条件 | 第12-13页 |
| ·盲信号分离方法的基本思路 | 第13-16页 |
| ·国内外研究发展状况 | 第16-17页 |
| ·本研究的意义 | 第17-18页 |
| ·本论文的主要内容 | 第18-19页 |
| 第2章 盲源分离的基础知识及常用算法简介 | 第19-37页 |
| ·引言 | 第19页 |
| ·盲信号分离的基本知识 | 第19-27页 |
| ·统计分析基础 | 第19-23页 |
| ·信息论基础 | 第23-26页 |
| ·相互独立的度量 | 第26-27页 |
| ·盲信号分离的典型算法简介 | 第27-34页 |
| ·基于非高斯性极大化的盲信号分离算法 | 第27-29页 |
| ·基于信息论的盲信号分离算法 | 第29-32页 |
| ·基于二阶统计量的算法 | 第32页 |
| ·其它混合模型的算法 | 第32-34页 |
| ·仿真实验 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于最大信噪比的盲分离算法研究 | 第37-47页 |
| ·引言 | 第37页 |
| ·盲源分离模型 | 第37-39页 |
| ·实现盲信号分离的一般条件 | 第39-40页 |
| ·基于最大信噪比的盲分离算法 | 第40-42页 |
| ·算法原理 | 第40-41页 |
| ·分离算法的推导 | 第41页 |
| ·算法的可分解性分析 | 第41-42页 |
| ·仿真实验与分析 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于 RBF 的非线性混合信号盲分离方法研究 | 第47-61页 |
| ·引言 | 第47页 |
| ·非线性混叠系统 | 第47-48页 |
| ·基于后非线性的盲源分离 | 第48-52页 |
| ·非线性最大熵法 | 第48-50页 |
| ·非线性最小互信息法 | 第50-51页 |
| ·仿真实验与分析 | 第51-52页 |
| ·基于 RBF 神经网络盲源分离方法研究 | 第52-60页 |
| ·RBF 神经网络模型 | 第53-56页 |
| ·RBF 分离网络的无监督学习算法 | 第56-58页 |
| ·仿真实验与分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 小波消噪和 BSS 的机械故障特征提取 | 第61-72页 |
| ·引言 | 第61页 |
| ·小波分析简介 | 第61-64页 |
| ·小波变换的定义及特点 | 第61-62页 |
| ·连续小波变换 | 第62-63页 |
| ·离散小波变换 | 第63-64页 |
| ·阈值滤波简介 | 第64-66页 |
| ·基于小波消噪和 BSS 的转子振动信号分析 | 第66-70页 |
| ·噪声混合下 BSS 模型 | 第66-67页 |
| ·小波消噪和 BSS 方法 | 第67页 |
| ·仿真实验与分析 | 第67-70页 |
| ·本章小结 | 第70-72页 |
| 结论与展望 | 第72-74页 |
| 主要结论 | 第72页 |
| 研究展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 附录攻读学位期间所发表的学术论文目录 | 第79页 |