循環(huán)平穩(wěn)理論的盲源分離原理與算法

第1章 緒論
1.1 盲源分離的研究意義
1.2 盲源分離的國內(nèi)外研究現(xiàn)狀
1.2.1 循環(huán)平穩(wěn)理論的研究現(xiàn)狀
1.2.2 盲源分離算法的發(fā)展現(xiàn)狀
1.2.3 基于循環(huán)平穩(wěn)理論的盲源分離
1.3 盲源分離的應用領域
1.3.1 語音信號處理和圖像信號處理領域
1.3.2 生物醫(yī)學信號處理領域
1.3.3 通信信號處理領域
1.3.4 工業(yè)過程監(jiān)測領域
1.3.5 金融分析領域
1.3.6 國防軍事領域
1.4 本書的研究背景
1.5 本書的結(jié)構(gòu)與章節(jié)安排
參考文獻
第2章 基于循環(huán)平穩(wěn)理論的盲源分離
2.1 線性混合盲源分離模型
2.1.1 數(shù)學模型
2.1.2 假設條件與不確定性
2.1.3 盲源分離前期預處理
2.2 盲源分離的獨立性判據(jù)及常用算法
2.2.1 獨立判據(jù)
2.2.2 盲源分離算法
2.3 盲源分離算法的性能評判
2.3.1 主觀定性評判方法
2.3.2 客觀定量評判方法
2.4 循環(huán)平穩(wěn)理論
2.4.1 低階循環(huán)平穩(wěn)過程
2.4.2 高階循環(huán)統(tǒng)計量
2.5 循環(huán)平穩(wěn)理論的盲源分離
2.6 本章小結(jié)
參考文獻
第3章 基于循環(huán)平穩(wěn)度的盲源分離算法
3.1 二階循環(huán)平穩(wěn)度分離準則
3.1.1 二階循環(huán)統(tǒng)計量
3.1.2 二階循環(huán)平穩(wěn)度準則
3.2 基于二階循環(huán)統(tǒng)計量的Dcs盲源分離算法
3.2.1 基于循環(huán)平穩(wěn)理論的盲源分離原理
3.2.2 算法性能分析
3.2.3 實驗仿真
3.3 高階累積量循環(huán)平穩(wěn)度準則
3.3.1 高階循環(huán)累積量
3.3.2 高階循環(huán)平穩(wěn)度分離準則
3.4 基于高階循環(huán)平穩(wěn)度準則的盲源分離算法
3.4.1 算法原理
3.4.2 計算機仿真
3.4.3 算法性能分析
3.5 本章小結(jié)
參考文獻
第4章 基于對角化原理的循環(huán)平穩(wěn)盲源分離算法
4.1 矩陣對角化及特征值分解
4.1.1 矩陣可對角化理論
4.1.2 矩陣的奇異值分解
4.1.3 信號的白化處理
4.2 二階循環(huán)平穩(wěn)理論的魯棒白化平均矩陣對角化盲源分離算法
4.2.1 魯棒預白化
4.2.2 基于魯棒白化平均矩陣對角化盲源分離算法
4.2.3 算法的基本理論
4.2.4 算法性能指標
4.2.5 計算機仿真
4.3 聯(lián)合近似對角化原理
4.3.1 循環(huán)累積量矩陣
4.3.2 聯(lián)合近似對角化原理
4.4 基于四階循環(huán)累積量的JADE盲源分離算法
4.4.1 JADE盲源分離算法原理
4.4.2 基于四階循環(huán)累積量的JADE盲源分離算法
4.4.3 實驗仿真
4.5 本章小結(jié)
參考文獻
第5章 基于互信息量最小化的循環(huán)平穩(wěn)信號盲源分離算法
5.1 信息論的基本概念
5.1.1 KL散度
5.1.2 互信息量
5.2 基于互信息量的盲源分離算法
5.2.1 目標函數(shù)
5.2.2 尋優(yōu)算法
5.3 基于最小互信息量的循環(huán)平穩(wěn)盲源分離算法
5.3.1 信息量最小化準則
5.3.2 基于最小互信息量的循環(huán)平穩(wěn)盲源分離算法
5.3.3 計算機仿真
5.3.4 算法性能分析
5.4 本章小結(jié)
參考文獻
第6章 基于循環(huán)平穩(wěn)理論的變步長盲源分離算法
6.1 變步長盲源分離算法
6.2 峭度自適應變步長循環(huán)平穩(wěn)信號盲源分離算法
6.2.1 算法的推導過程
6.2.2 實驗仿真
6.2.3 算法性能分析
6.3 分階段變步長循環(huán)平穩(wěn)信號盲源分離算法
6.3.1 算法的推導過程
6.3.2 實驗仿真
6.3.3 算法性能分析
6.4 基于類似性能指數(shù)曲線的循環(huán)平穩(wěn)信號的變步長盲源分離算法
6.4.1 算法原理
6.4.2 實驗仿真
6.4.3 算法性能分析
6.5 基于分離度的變步長循環(huán)平穩(wěn)信號盲源分離算法
6.5.1 算法原理
6.5.2 實驗仿真
6.5.3 算法性能分析
6.6 本章小結(jié)
參考文獻
附錄 英漢對照術語表