| 1 绪论 | 第1-12页 |
| 1．1 引言 | 第9-10页 |
| 1．2 本文的主要研究工作 | 第10-12页 |
| 2 对偶自适应控制 | 第12-21页 |
| 2．1 引言 | 第12-14页 |
| 2．2 控制与辨识问题 | 第14-16页 |
| 2．3 对偶自适应控制的研究现状 | 第16-19页 |
| 2．3．1 隐式对偶自适应控制策略 | 第17-18页 |
| 2．3．2 显式对偶自适应控制策略 | 第18-19页 |
| 2．4 小结 | 第19-21页 |
| 3 基于新息的对偶自适应控制 | 第21-39页 |
| 3．1 SISO随机系统基于新息的对偶自适应控制 | 第21-28页 |
| 3．1．1 SISO随机系统最小方差控制问题 | 第21-22页 |
| 3．1．2 最小方差问题的对偶控制策略 | 第22-25页 |
| 3．1．3 仿真分析 | 第25-28页 |
| 3．2 MIMO随机系统基于新息的对偶自适应控制 | 第28-35页 |
| 3．2．1 MIMO随机系统最小方差控制问题 | 第29-30页 |
| 3．2．2 推广的对偶自适应控制策略 | 第30-33页 |
| 3．2．3 仿真分析 | 第33-35页 |
| 3．3 学习因子的选取 | 第35-37页 |
| 3．4 小结 | 第37-39页 |
| 4 盲源信号分离问题研究 | 第39-60页 |
| 4．1 引言 | 第39页 |
| 4．2 BSS问题的提出与研究现状 | 第39-43页 |
| 4．2．1 BSS问题的提出 | 第39-41页 |
| 4．2．2 最大熵法（ME） | 第41-42页 |
| 4．2．3 最小互信息量法（MMI） | 第42-43页 |
| 4．3 独立分量分析（ICA） | 第43-46页 |
| 4．4 基于ICA的Informax算法求解BSS问题 | 第46-52页 |
| 4．4．1 基于ICA的Informax基本准则 | 第47-48页 |
| 4．4．2 基于ICA的Informax算法推广 | 第48-49页 |
| 4．4．3 基于推广Informax算法的实验及分析 | 第49-52页 |
| 4．5 推广Informax算法的改进 | 第52-58页 |
| 4．5．1 自然梯度法 | 第52-53页 |
| 4．5．2 基于共轭梯度法的改进算法 | 第53-55页 |
| 4．5．3 基于变尺度法的改进算法 | 第55-58页 |
| 4．6 小结 | 第58-60页 |
| 5 基于高阶统计学的自适应BSS算法 | 第60-66页 |
| 5．1 算法研究 | 第60-62页 |
| 5．1．1 数据预白化（Data Prewhitening） | 第60-61页 |
| 5．1．2 估计正交变换阵 | 第61-62页 |
| 5．2 实验与分析 | 第62-65页 |
| 5．3 小结 | 第65-66页 |
| 6 对偶控制思想在BSS问题上的应用 | 第66-79页 |
| 6．1 SISO随机非线性系统的对偶自适应控制 | 第66-71页 |
| 6．1．1 SISO随机非线性系统控制问题的提出 | 第66-67页 |
| 6．1．2 基于神经网络的对偶自适应控制策略推导 | 第67-70页 |
| 6．1．3 仿真分析 | 第70-71页 |
| 6．2 对偶控制思想在BSS问题上的应用 | 第71-78页 |
| 6．2．1 BSS问题的新提法 | 第71-72页 |
| 6．2．2 利用对偶自适应控制思想求解BSS问题 | 第72-76页 |
| 6．2．3 实验与分析 | 第76-78页 |
| 6．3 小结 | 第78-79页 |
| 7 结论 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 作者在攻读硕士期间所发表的论文 | 第86页 |
