声明
摘要
1 绪论
1.1 研究背景、目的和意义
1.2 相关研究现状及发展动态分析
1.2.1 混合信号的分离方法
1.2.2 常用的信号分析方法
1.3 本文主要研究内容
1.4 本文的组织结构
2 独立函数元的模型与构架
2.1 引言
2.2 问题描述
2.2.1 单路混合信号的分离问题
2.2.2 信号的特性表征与分类问题
2.2.3 一维信号的分析方法在二维信号中的适用问题
2.3 独立函数元
2.3.1 独立函数元的模型
2.3.2 独立函数元的定义
2.4 独立函数元变换的方法
2.5 独立函数元的性质
2.6 基于独立函数元的信号维数扩展方法
2.6.1 扩展信号维数的意义
2.6.2 利用独立函数元扩展信号维数的一般方法
2.7 基于独立函数元的信号特性表征与分类方法
2.7.1 基于独立函数元的信号特性表征形式的特点
2.7.2 具体流程描述
2.7.3 确定度和相似距离
2.8 小结
3 独立函数元的获取方法
3.1 引言
3.2 信号分层的原则
3.3 信号的分层方法
3.3.1 一种改进型圆周卷积的等长度小波分层方法
3.3.2 经验模态分层方法
3.3.3 两种分层方法的优缺点分析
3.4 信号分层后的独立变换方法
3.4.1 分层信号独立变换前的预处理方法
3.4.2 分层信号的独立变换方法
3.4.3 基于目标函数优化的独立变换方法
3.4.4 基于时频分布联合对角化的独立化算法
3.4.5 基于小波系数联合对角化的agu-Z化算法
3.4.6 几种独立函数元获取方法的性能对比
3.5 分层数目的确定
3.5.1 根据先验知识确定分层数目
3.5.2 不用先验知识确定分层数目
3.6 本章小结
4 基于独立函数元的一维信号分析方法
4.1 引言
4.2 基于独立函数元的欠定盲分离方法
4.3 单路混合信号的欠定盲分离实验
4.3.1 由语音信号、混沌信号、自定义信号组成的单路混合信号分离实验
4.3.2 单路混合耳声发射信号的分离实验
4.4 单路周期含噪信号的欠定盲分离实验
4.4.1 单路周期含噪心音信号的欠定盲分离实验
4.4.2 单路周期含噪心电信号的欠定盲分离实验
4.5 欠定盲分离实验对比分析
4.6 心音的统计特征表示:心音独立函数元
4.6.1 心音产生的机制和特点
4.6.1 心音独立函数元的定义
4.6.2 基于心音独立函数元的心音信号特性表征方法
4.6.3 心音独立函数元作为心音特性表征的合理性分析
4.7 基于心音独立函数元的驾驶员心脏健康监测方法
4.7.1 研究背景简述
4.7.2 汽车环境下各类声音的特点
4.7.3 一种用于驾驶员心脏健康监测的心音采集装置
4.8 汽车环境中心音信号的提取方法
4.8.1 混合信号的预处理
4.8.2 心音信号的确定度
4.9 汽车环境中的心音分类识别实验
4.9.1 心音信号的获取
4.9.2 心音信号的分段处理
4.9.3 心音信号的分类实验
4.10 本章小结
5 基于独立函数元的二维信号分析方法研究
5.1 引言
5.2 二维信号的独立函数元:独立图元
5.3 独立图元的获取方法
5.4 基于独立图元的野外场景分析方法
5.4.1 野外场景的三要素及其结构分析
5.4.2 参考模板的选择原则
5.4.3 独立图元特征
5.4.3 颜色特征
5.4.4 纹理特征
5.4.5 全局结构约束
5.4.5 基于独立图元、颜色、纹理特征并结合全局结构约束的三要素分割
5.5 基于独立图元的水体识别方法
5.6 野外场景中水体光照反射模型
5.6.1 野外场景中水体光照特性
5.6.2 野外场景中水体光照模型
5.6.3 参数ξ、η的求解
5.7 野外场景分析与水体识别方法总结
5.8 实验与分析
5.8.1 实验数据及预处理
5.8.2 实验结果分析
5.9 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读博士学位期间发表的论文
所申请发明专利
攻读博士学位期间所参与项目