摘要 | 第1-7页 |
ABSTRACT | 第7-10页 |
目录 | 第10-13页 |
第一章 绪论 | 第13-35页 |
§1.1 研究意义 | 第13-15页 |
·实际应用意义 | 第13-15页 |
·重要理论价值 | 第15页 |
§1.2 基本研究进展 | 第15-25页 |
·线性瞬时混合 | 第15-18页 |
·卷积混合 | 第18-22页 |
·非线性混合 | 第22-25页 |
§1.3 论文的主要内容与安排 | 第25-26页 |
本章参考文献 | 第26-35页 |
第二章 盲信号压缩重构模型与算法研究 | 第35-57页 |
§2.1 引言 | 第35-36页 |
§2.2 欠定盲信号重构模型 | 第36-37页 |
§2.3 压缩感知的基本模型 | 第37-38页 |
§2.4 盲信号压缩重建模型 | 第38-41页 |
§2.5 重构算法 I | 第41-45页 |
·混合矩阵的估计 | 第41-42页 |
·源信号的重构 | 第42-43页 |
·数值仿真 | 第43-45页 |
§2.6 重构算法 II | 第45-52页 |
·混合矩阵的估计 | 第45-47页 |
·源信号的重构算法 Semi-BCR | 第47-49页 |
·数值仿真 | 第49-52页 |
§2.7 本章小结 | 第52-53页 |
本章参考文献 | 第53-57页 |
第三章 压缩感知的多重测量向量模型与算法分析 | 第57-73页 |
§3.1 引言 | 第57-58页 |
§3.2 基本模型 | 第58-61页 |
·SMV 模型 | 第58-60页 |
·MMV 模型 | 第60-61页 |
§3.3 CS 的 MMV 重构算法 | 第61-67页 |
·算法基础 | 第61-62页 |
·凸优化算法 | 第62-65页 |
·贪婪算法 | 第65-66页 |
·具有时序结构的算法 | 第66-67页 |
§3.4 本章小结 | 第67-68页 |
本章参考文献 | 第68-73页 |
第四章 谐波信号盲恢复的模型与算法研究 | 第73-129页 |
§4.1 引言 | 第73-74页 |
§4.2 谐波信号的盲分离模型 | 第74-80页 |
·盲源分离模型 | 第74-76页 |
·谐波信号的盲源分离模型 | 第76-80页 |
§4.3 基于高阶统计量的谐波盲分离算法 | 第80-84页 |
·算法设计 | 第80-81页 |
·数值仿真 | 第81-84页 |
§4.4 基于二维加权直方图的谐波盲分离算法 | 第84-91页 |
·算法设计 | 第84-87页 |
·数值仿真 | 第87-91页 |
§4.5 基于时间周期结构的谐波盲分离算法 | 第91-98页 |
·算法设计 | 第91-94页 |
·数值仿真 | 第94-98页 |
§4.6 基于小波包分解的谐波盲分离算法 | 第98-123页 |
·算法设计 | 第99-106页 |
·数值仿真 | 第106-123页 |
§4.7 本章小结 | 第123页 |
本章参考文献 | 第123-129页 |
第五章 统计相关信号源的盲分离算法研究 | 第129-153页 |
§5.1 引言 | 第129-130页 |
§5.2 基本 DCA 模型及其与 ICA 的联系 | 第130-132页 |
·ICA 模型 | 第130-132页 |
·DCA 模型 | 第132页 |
§5.3 扩展的 DCA 模型和算法 | 第132-141页 |
·多维独立成分分析(MICA) | 第132-134页 |
·方差相依 BSS 模型 | 第134-136页 |
·子带分解 ICA(SDICA) | 第136-139页 |
·极大非高斯模型 | 第139-140页 |
·谱方法(Wold 分解) | 第140-141页 |
·时频方法 | 第141页 |
§5.4 基于自然梯度的独立子空间盲信号处理方法 | 第141-148页 |
·基本 ISA 模型 | 第142-143页 |
·ISA 的自然梯度算法 | 第143-145页 |
·数值仿真 | 第145-148页 |
§5.5 本章小结 | 第148页 |
本章参考文献 | 第148-153页 |
第六章 总结与展望 | 第153-157页 |
§6.1 全文内容总结 | 第153-154页 |
§6.2 存在的问题及工作展望 | 第154-157页 |
致谢 | 第157-159页 |
作者在读期间的研究成果 | 第159-161页 |