基于独立分量分析盲源分离方法的研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 插图索引 | 第10-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景与意义 | 第11-13页 |
| ·国内外发展现状 | 第13-15页 |
| ·盲分离的应用研究 | 第15-16页 |
| ·胎儿和母亲心电图信号的盲分离 | 第15页 |
| ·EMG信号的增强和分解 | 第15-16页 |
| ·EEG和MEG数据处理 | 第16页 |
| ·论文的组织结构及研究内容 | 第16-18页 |
| 第2章 独立分量分析的基本理论 | 第18-29页 |
| ·独立分量分析问题描述 | 第18-19页 |
| ·统计分析理论基础 | 第19-22页 |
| ·信息论基础 | 第22-24页 |
| ·信息熵 | 第22-23页 |
| ·kullback-Leibler散度及负熵 | 第23-24页 |
| ·互信息 | 第24页 |
| ·统计的独立性 | 第24-25页 |
| ·独立分量分析的不确定性与数据的预处理 | 第25-28页 |
| ·独立分量分析的不确定性 | 第25-26页 |
| ·数据的预处理 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 独立分量分析算法及其应用 | 第29-44页 |
| ·ICA的目标函数 | 第29-32页 |
| ·非高斯性最大化 | 第29-30页 |
| ·极大似然估计 | 第30-31页 |
| ·互信息最小化 | 第31-32页 |
| ·ICA的优化算法 | 第32-33页 |
| ·梯度法 | 第32页 |
| ·自然梯度和相对梯度 | 第32-33页 |
| ·牛顿法 | 第33页 |
| ·典型的ICA算法 | 第33-39页 |
| ·FastICA算法 | 第34-36页 |
| ·InfomaxICA算法 | 第36-38页 |
| ·联合近似对角化算法(JADE) | 第38-39页 |
| ·对称正交化FastICA算法 | 第39-43页 |
| ·模拟信号的盲分离 | 第41页 |
| ·脑电信号的盲分离 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 独立分量分析在胎儿心电提取中的应用 | 第44-52页 |
| ·问题的提出 | 第44-46页 |
| ·心电信号检测的特点 | 第46-47页 |
| ·心电信号的特点 | 第46页 |
| ·心电信号的噪声来源 | 第46-47页 |
| ·ICA对胎儿心电的分离和提取 | 第47-50页 |
| ·JADE算法 | 第48页 |
| ·SOBI算法 | 第48页 |
| ·联合算法 | 第48-49页 |
| ·胎儿心电的分离与提取 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第5章 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读学位期间所发表的学术论文 | 第59页 |
