声明
摘要
符号说明
第1章 绪论
1.1 课题背景简介
1.2 发展现状
1.3 论文的主要工作内容
1.4 本文的技术路线与章节安排
第2章 盲源分离理论简介
2.1 盲源分离理论的发展
2.2 盲源分离的原理
2.2.1 盲源分离的数学模型
2.2.2 盲源分离的基本假设
2.2.3 源信号的独立性判据
2.3 盲源分离算法及评价指标
2.3.1 几种常见的盲源分离方式
2.3.2 盲源分离的评估
2.4 本章小结
第3章 独立分量分析算法
3.1 独立分量分析理论的发展
3.2 独立分量分析的含义
3.2.1 独立分量分析算法的模型
3.2.2 ICA的分离准则
3.2.3 ICA算法与PCA算法的比较
3.3 FastlCA算法
3.3.1 FastICA算法原理
3.3.2 FastICA算法方法
3.3.3 FastlCA算法的优化
3.3.4 仿真验证
3.4 本章小结
第4章 特征值提取与模式识别技术
4.1 特征值提取
4.1.1 小波变换概述
4.1.2 小波包变换
4.2 模式识别技术
4.2.1 模式识别的基本理论
4.2.2 人工神经网络的基本模型
4.2.2 人工神经网络的学习方式
4.3 BP人工神经网络
4.3.1 BP人工神经网络的工作方式与算法
4.3.2 BP人工神经网络的特点
4.4 本章小结
第5章 ICA算法在传导发射信号分析中的应用
5.1 基于ICA算法的传导发射信号分析
5.1.1 传导发射信号的产生原理
5.1.2 传导发射信号的采集
5.1.3 基于ICA的传导发射信号实验验证
5.2 传导发射信号的分类辨
5.2.1 基于小波包变换的特征提取
5.2.2 基于人工神经网络的模式识别
5.3 本章小结
第6章 总结与展望
6.1 全文工作总结
6.2 展望
参考文献
致谢
攻读学位期间个人科技成果