声明
摘要
第1章 绪论
1.1 课题研究的背景
1.2 独立分量分析的概念
1.3 独立分量分析研究概况
1.4 复值ICA算法的研究现状及意义
1.5 论文的结构安排和主要创新点
第2章 ICA算法的基本理论
2.1 高斯与非高斯分布
2.2 不相关性和统计独立性
2.3 信息理论的基础知识
2.4 独立分量分析的不确定性与数据的预处理
2.4.1 ICA算法的数学模型
2.4.2 独立分量分析的不确定性
2.4.3 数据的预处理
2.5 ICA模型的估计方法
2.5.1 非高斯性最大化
2.5.2 极大似然估计
2.5.3 互信息最小化
2.6 ICA的优化算法
2.6.1 Informax算法
2.6.2 联合近似对角化算法(JADE)
2.6.3 随机梯度法
2.6.4 自然梯度算法
2.6.5 最小儿乘算法
2.6.6 固定点算法
2.7 两种衡量ICA分离性能的指标
2.8 小结
第3章 改进的高阶CFICA算法
3.1 复数ICA模型
3.2 CFICA算法
3.2.1 差异函数
3.2.2 数据预处理
3.2.3 算法原理
3.3 三阶CFICA算法
3.3.1 三阶牛顿迭代算法
3.3.2 三阶CFICA算法
3.4 五阶CFICA算法
3.4.1 五阶牛顿迭代算法
3.4.2 五阶CFICA算法
3.5 仿真实验及性能分析
3.5.1 仿真实验
3.5.2 性能分析
3.5 小结
第4章 基于松弛因子的高阶收敛CFICA改进算法
4.1 初值敏感性问题
4.1.1 CFICA算法的初值敏感性问题
4.1.2 松弛因子对CFICA算法的影响
4.2 基于松弛因子的三阶收敛CFICA算法
4.2.1 算法的推导过程
4.2.2 算法的实现步骤
4.3 基于松弛因子的五阶收敛CFICA算法
4.3.1 算法的推导过程
4.3.2 算法的实现步骤
4.4 仿真实验及性能分析
4.4.1 仿真实验
4.4.2 性能分析
4.5 小结
第5章 总结与展望
5.1 工作的总结
5.2 对今后研究的展望
参考文献
致谢