声明
摘要
1 绪论
1.1 本课题研究的背景和意义
1.2 国内外研究的现状与发展趋势
1.3 本文的主要内容与安排
2 盲信号分离及独立分量分析算法
2.1 盲信号原理模型
2.2 盲信号分离算法
2.2.1 基于高阶统计量的算法
2.2.2 基于信息论的算法
2.2.3 非线性盲分离算法
2.3 独立分量分析理论
2.3.1 独立分量分析的定义以及系统模型
2.3.2 独立分量分析的假设条件及其不确定性
2.3.3 独立分量分析的指标准则
2.4 独立分量分析的目标函数
2.4.1 峭度
2.4.3 互信息
2.4.4 最大似然估计
2.5 独立分量分析的优化算法
2.5.1 信息最大法
2.5.2 互信息最小法
2.5.3 最大似然估计法
2.6 本章小结
3 损失谷粒信号检测及预处理
3.1 联合收割机损失谷粒信号检测
3.1.1 联合收割机作业流程
3.1.2 损失谷粒信号检测
3.2 谷粒损失检测的ICA算法
3.2.1 ICA算法在损失谷粒信号检测中的适应性分析
3.2.2 ICA算法在谷粒损失信号检测中的模型
3.3 传感器的选择和设计
3.3.1 敏感板的选择
3.3.2 传感阵列数目的估计
3.4 滤波器的设计
3.4.1 FIR带通滤波器
3.4.2 FIR带通滤波仿真
3.5 信号源数值的估计
3.5.1 奇异值分解法
3.5.2 算法仿真实验
3.6 盲源分离算法的预处理
3.6.1 零均值化
3.6.2 白化处理
3.7 本章小结
4 损失谷粒信号检测中ICA算法的研究
4.1 独立分量分析算法
4.1.1 基于峭度的梯度算法
4.1.2 基于峭度的FastICA算法
4.1.3 多个独立分量的估计
4.2 FastICA算法仿真
4.2.1 无噪声情况下的仿真
4.2.2 有噪声情况下的仿真
4.3 重叠谷粒信号的检测
4.3.1 多粒谷粒同时落下时的模型
4.3.2 多粒谷粒同时落下时的识别思路
4.3.3 多粒谷粒同时落下时的识别的难点所在
4.4 本章小结
5 总结与展望
5.1 本文的主要研究成果和结论
5.2 本文的主要创新之处
5.3 有待要进一步改善的问题
参考文献
致谢
读研期间发表的论文
附录A