声明
摘要
第一章 绪论
1.1 课题背景及意义
1.2 国内外现状
1.2.1 盲信号分离的发展现状
1.2.2 盲信号分离的应用
1.3 论文结构安排
第二章 盲信号分离的基本理论及相关数学知识
2.1 盲信号分离的基本假设
2.2 盲信号分离的相关数学知识
2.2.1 概率论
2.2.2 统计知识
2.2.3 信息理论
2.3 盲信号分离的数学模型
2.3.1 线性瞬时混合模型
2.3.2 卷积混合模型
2.3.3 非线性混合模型
2.4 盲信号分离的预处理方法
2.4.1 中心化
2.4.2 白化处理
2.5 分离效果评价指标
2.5.1 信号波形对比和分离音测听
2.5.2 性能指数
2.5.3 相似系数
2.5.4 二次残差
2.6 本章小结
第三章 基于线性模型的盲分离算法研究
3.1 独立分量分析的基本内容
3.1.1 信息最大化目标函数
3.1.2 最大似然目标函数
3.1.3 最大化非高斯性目标函数
3.1.4 最小化互信息目标函数
3.2 非高斯性最大化的盲分离算法研究
3.2.1 峭度最大化法
3.2.2 负熵最大化法
3.3 自然梯度算法研究
3.3.1 信息最大化法
3.3.2 互信息最小化法
3.4 联合近似对角化算法研究
3.5 本章小结
第四章 基于非线性模型的盲分离算法研究
4.1 非线性去混叠系统概述
4.2 基于非线性混叠的盲信号分离
4.2.1 非线性最大熵法
4.2.2 非线性最小互信息法
4.3 基于反向传播神经网络的非线性盲信号分离
4.3.1 MISEP理论基础概述
4.3.2 基于多层感知器的累积概率密度函数约束
4.3.3 反向传播神经网络的训练
4.4 本章小结
第五章 盲信号分离算法在故障音检测中的应用
5.1 算法有效性验证
5.1.1 基于负熵最大化算法的有效性验证
5.1.2 联合近似对角化算法的有效性验证
5.1.3 信息最大化法有效性验证
5.2 FastICA算法、JADE算法和Infomax算法分离性能对比分析
5.2.1 源信号分析
5.2.2 建立盲源分离数学统计模型
5.2.3 三种算法的分离效果
5.3 本章小结
第六章 总结与展望
6.1 总结
6.2 未解决的问题和以后工作展望
参考文献
致谢
攻读硕士学位期间发表的论文
山东大学;