| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 盲源分离简述 | 第15-20页 |
| 1.1.1 盲源分离的定义与分类 | 第15-17页 |
| 1.1.2 盲源分离的基本理论方法 | 第17-18页 |
| 1.1.3 盲源分离的应用 | 第18-20页 |
| 1.2 欠定盲分离混合矩阵估计与源信号恢复的发展历史及现状 | 第20-23页 |
| 1.3 论文主要内容及组织架构 | 第23-25页 |
| 第二章 欠定盲分离的模型与基础理论 | 第25-35页 |
| 2.1 欠定盲源分离的基本模型 | 第25-26页 |
| 2.2 稀疏分量分析 | 第26-30页 |
| 2.3 两步法 | 第30-33页 |
| 2.3.1 混合矩阵估计 | 第30-32页 |
| 2.3.2 源信号恢复 | 第32-33页 |
| 2.4 相关的性能指标 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 源信号充分稀疏情形下的欠定混合矩阵盲估计 | 第35-47页 |
| 3.1 时频混合比率方法 | 第35-38页 |
| 3.2 基于识别时频SSP的欠定混合矩阵估计方法 | 第38-40页 |
| 3.3 基于改进识别时频SSP的欠定混合矩阵估计方法 | 第40-46页 |
| 3.3.1 方法原理及步骤 | 第40-42页 |
| 3.3.2 仿真实验与分析 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 源信号非充分稀疏情形下的欠定混合矩阵盲估计 | 第47-63页 |
| 4.1 基于k维子空间的混合矩阵盲估计 | 第47-49页 |
| 4.2 基于参数估计的混合矩阵盲估计 | 第49-51页 |
| 4.3 基于齐次多项式表示的欠定混合矩阵盲估计方法 | 第51-61页 |
| 4.3.1 方法原理及步骤 | 第51-57页 |
| 4.3.2 仿真实验与分析 | 第57-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 欠定盲分离源信号恢复 | 第63-89页 |
| 5.1 基于平滑l_0范数的稀疏恢复及其改进算法 | 第63-65页 |
| 5.2 基于人工神经网络的压缩感知重构算法 | 第65-66页 |
| 5.3 基于级联网络的稀疏恢复算法 | 第66-67页 |
| 5.4 基于RBF网络的欠定盲分离源信号恢复算法 | 第67-76页 |
| 5.4.1 算法原理及步骤 | 第67-71页 |
| 5.4.2 算法的收敛性和复杂度分析 | 第71-73页 |
| 5.4.3 仿真实验与结果分析 | 第73-76页 |
| 5.5 基于人工神经网络的欠定盲分离源信号恢复算法 | 第76-87页 |
| 5.5.1 算法原理及步骤 | 第76-81页 |
| 5.5.2 算法复杂度与结构对比 | 第81-82页 |
| 5.5.3 仿真实验与结果分析 | 第82-87页 |
| 5.6 本章小结 | 第87-89页 |
| 第六章 总结与展望 | 第89-91页 |
| 6.1 总结 | 第89-90页 |
| 6.2 展望 | 第90-91页 |
| 参考文献 | 第91-97页 |
| 致谢 | 第97-99页 |
| 作者简介 | 第99-101页 |
