文摘
英文文摘
独创性说明及大连理工大学学位论文版权使用授权书
第一章引言
第二章独立成分分析方法
2.1 ICA定义
2.2独立性定义
2.3 ICA和投影法
2.4 ICA的分类
第三章ICA估计原理
3.1非高斯的最大化
3.2互信息的最小化
3.3最大似然函数估计(ML)
第四章ICA算法及计算机实现
4.1 FastICA算法
4.2 FastICA在计算机上实现的两个例子
4.2.1实现混合图像分离
4.2.2实现线性混合信号的盲源分离
4.3鸡尾酒会问题的语音分离算法
4.3.1基于反馈结构的语音分离
4.3.2 ME、MMI和ML算法
4.3.3基于高斯混合密度估计语音分离法
4.3.4算法的计算机实现
第五章ICA的应用
5.1在脑磁图(MEG)中分离非自然信号
5.2在金融数据中找到隐藏的因素
5.3自然图像中减少噪声
5.4人脸识别
5.5图像分离
5.6语音信号处理
5.7远程通信
第六章独立成分分析存在的问题
6.1非线性问题
6.2 Overcomplete 问题
6.3非平稳随即过程的独立成分分析
第七章结论
参考文献
致谢
大连理工大学;