| 摘要 | 第4-7页 |
| Abstract | 第7-10页 |
| 第一章 绪论 | 第20-30页 |
| 1.1 研究背景及意义 | 第20-21页 |
| 1.2 盲源分离问题概述 | 第21-25页 |
| 1.2.1 盲源分离模型及含噪盲源分离模型 | 第21-23页 |
| 1.2.2 盲源分离问题的可解性和不确定性 | 第23-24页 |
| 1.2.3 盲源分离与独立分量分析 | 第24-25页 |
| 1.3 盲源分离技术研究发展与现状 | 第25-26页 |
| 1.4 盲源分离技术的应用及前景 | 第26-28页 |
| 1.5 本文的组织结构 | 第28-30页 |
| 第二章 盲源分离算法及含噪问题解决方案 | 第30-52页 |
| 2.1 盲源分离中的源数估计问题 | 第30-36页 |
| 2.1.1 基于奇异值分解的源数估计算法 | 第30-31页 |
| 2.1.2 基于AIC和MDL准则的源数估计算法 | 第31-32页 |
| 2.1.3 基于奇异值分解法的改进的源数估计算法 | 第32-34页 |
| 2.1.4 算法仿真与性能分析 | 第34-36页 |
| 2.2 几类典型的盲源分离算法 | 第36-39页 |
| 2.2.1 Fast ICA算法 | 第37-38页 |
| 2.2.2 Robust ICA算法 | 第38-39页 |
| 2.3 FastICA与RobustICA算法的性能分析 | 第39-47页 |
| 2.3.1 分离性能的评价准则 | 第39-40页 |
| 2.3.2 峭度作为目标函数的优缺点 | 第40-41页 |
| 2.3.3 两种算法的比较 | 第41页 |
| 2.3.4 算法的性能分析 | 第41-46页 |
| 2.3.5 算法的复杂度分析 | 第46-47页 |
| 2.4 含噪盲源分离问题解决方案 | 第47-48页 |
| 2.5 去噪与盲源分离相结合策略研究 | 第48-50页 |
| 2.5.1 含噪盲源分离去噪算法的选择 | 第48页 |
| 2.5.2 去噪预处理法 | 第48-49页 |
| 2.5.3 去噪后处理法 | 第49-50页 |
| 2.5.4 去噪预处理与后处理级联方式 | 第50页 |
| 2.6 本章小结 | 第50-52页 |
| 第三章 基于偏差去除的含噪盲源分离算法研究 | 第52-72页 |
| 3.1 基于偏差去除的自然梯度算法 | 第52-54页 |
| 3.1.1 自然梯度算法 | 第52-53页 |
| 3.1.2 偏差去除自然梯度算法 | 第53-54页 |
| 3.2 基于高斯矩的算法 | 第54-57页 |
| 3.2.1 准白化 | 第54-55页 |
| 3.2.2 高斯矩 | 第55-56页 |
| 3.2.3 基于高斯矩的Fast ICA算法 | 第56-57页 |
| 3.3 基于特征值分解的准白化算法 | 第57-62页 |
| 3.3.1 问题描述 | 第57页 |
| 3.3.2 基于特征值分解的准白化算法 | 第57-58页 |
| 3.3.3 基于特征值分解的准白化FastICA算法 | 第58-59页 |
| 3.3.4 算法仿真与性能分析 | 第59-62页 |
| 3.4 基于迭代的二次白化算法 | 第62-67页 |
| 3.4.1 问题描述 | 第62页 |
| 3.4.2 基于迭代的二次白化算法 | 第62-64页 |
| 3.4.3 基于迭代的二次白化FastICA算法 | 第64页 |
| 3.4.4 算法仿真与性能分析 | 第64-67页 |
| 3.5 高斯色噪声条件下几种改进算法的性能比较 | 第67-71页 |
| 3.5.1 高斯色噪声的产生 | 第68-69页 |
| 3.5.2 高斯色噪声条件下几种算法的仿真实验与性能比较 | 第69-71页 |
| 3.6 本章小结 | 第71-72页 |
| 第四章 基于小波变换的含噪盲源分离算法研究 | 第72-99页 |
| 4.1 小波去噪模型和算法概述 | 第72-74页 |
| 4.1.1 小波去噪模型 | 第72-73页 |
| 4.1.2 小波去噪算法概述 | 第73-74页 |
| 4.2 小波阈值收缩算法中的阈值及阈值函数 | 第74-76页 |
| 4.2.1 阈值 | 第74-75页 |
| 4.2.2 阈值函数 | 第75-76页 |
| 4.3 一种适用于较低信噪比下的小波去噪算法 | 第76-86页 |
| 4.3.1 小波基函数与分解尺度的选取 | 第77-78页 |
| 4.3.2 噪声方差估计算法改进 | 第78-80页 |
| 4.3.3 阈值与阈值函数的选取 | 第80-81页 |
| 4.3.4 平移量范围的选取 | 第81页 |
| 4.3.5 一种适用于较低信噪比条件下的小波去噪算法 | 第81页 |
| 4.3.6 算法仿真与性能分析 | 第81-86页 |
| 4.4 小波去噪预处理与后处理级联方式下的盲源分离算法 | 第86-90页 |
| 4.4.1 顺序方式和平行方式的预处理与后处理级联算法及性能分析 | 第86-88页 |
| 4.4.2 一种改进的去噪预处理与后处理的级联算法 | 第88-89页 |
| 4.4.3 算法仿真与性能分析 | 第89-90页 |
| 4.5 一种针对高斯色噪声的小波去噪算法 | 第90-98页 |
| 4.5.1 高斯色噪声小波变换的特性分析 | 第90-92页 |
| 4.5.2 一种针对高斯色噪声的小波去噪算法 | 第92-94页 |
| 4.5.3 算法仿真与性能分析 | 第94-98页 |
| 4.6 本章小结 | 第98-99页 |
| 第五章 基于经验模态分解的含噪盲源分离算法研究 | 第99-123页 |
| 5.1 经验模态分解概述及去噪原理 | 第99-104页 |
| 5.1.1 本征模态函数 | 第100页 |
| 5.1.2 经验模态分解算法 | 第100-101页 |
| 5.1.3 经验模态分解与小波变换的比较 | 第101-103页 |
| 5.1.4 经验模态分解去噪原理 | 第103-104页 |
| 5.2 一种改进的基于经验模态分解的去噪算法 | 第104-113页 |
| 5.2.1 传统经验模态分解去噪算法的缺点 | 第104-106页 |
| 5.2.2 改进去噪算法的三个关键部分 | 第106-109页 |
| 5.2.3 一种改进的经验模态分解去噪算法 | 第109-110页 |
| 5.2.4 算法仿真与性能分析 | 第110-113页 |
| 5.3 一种针对高斯色噪声的基于经验模态分解的去噪算法 | 第113-122页 |
| 5.3.1 高斯色噪声的EMD分解特性研究 | 第114-116页 |
| 5.3.2 一种针对高斯色噪声的EMD去噪算法 | 第116-118页 |
| 5.3.3 算法仿真与性能分析 | 第118-122页 |
| 5.4 本章小结 | 第122-123页 |
| 第六章 含噪盲源分离算法在水声信号中的应用 | 第123-153页 |
| 6.1 计算机仿真数据的优势 | 第123页 |
| 6.2 海洋环境噪声仿真 | 第123-124页 |
| 6.3 水声信号仿真 | 第124-130页 |
| 6.3.1 水声测试信号仿真 | 第124-125页 |
| 6.3.2 水声通信信号仿真 | 第125-127页 |
| 6.3.3 舰船辐射噪声仿真 | 第127-130页 |
| 6.4 针对正定模型的含噪盲源分离算法性能仿真 | 第130-139页 |
| 6.4.1 水声测试信号仿真实验 | 第130-131页 |
| 6.4.2 水声通信信号仿真实验 | 第131-134页 |
| 6.4.3 舰船辐射噪声仿真实验 | 第134-137页 |
| 6.4.4 几种水声信号混合分离仿真实验 | 第137-139页 |
| 6.5 针对超定模型的含噪盲源分离算法性能仿真 | 第139-152页 |
| 6.5.1 水声测试信号仿真实验 | 第139-141页 |
| 6.5.2 水声通信信号仿真实验 | 第141-145页 |
| 6.5.3 舰船辐射噪声仿真实验 | 第145-150页 |
| 6.5.4 几种水声信号混合分离仿真实验 | 第150-152页 |
| 6.6 本章小结 | 第152-153页 |
| 第七章 总结与展望 | 第153-156页 |
| 7.1 全文总结 | 第153-155页 |
| 7.2 研究展望 | 第155-156页 |
| 致谢 | 第156-157页 |
| 参考文献 | 第157-171页 |
| 附录 | 第171-175页 |
| 作者简介 | 第175页 |
