循环平稳理论的盲源分离原理与算法

第1章 绪论
1.1 盲源分离的研究意义
1.2 盲源分离的国内外研究现状
1.2.1 循环平稳理论的研究现状
1.2.2 盲源分离算法的发展现状
1.2.3 基于循环平稳理论的盲源分离
1.3 盲源分离的应用领域
1.3.1 语音信号处理和图像信号处理领域
1.3.2 生物医学信号处理领域
1.3.3 通信信号处理领域
1.3.4 工业过程监测领域
1.3.5 金融分析领域
1.3.6 国防军事领域
1.4 本书的研究背景
1.5 本书的结构与章节安排
参考文献
第2章 基于循环平稳理论的盲源分离
2.1 线性混合盲源分离模型
2.1.1 数学模型
2.1.2 假设条件与不确定性
2.1.3 盲源分离前期预处理
2.2 盲源分离的独立性判据及常用算法
2.2.1 独立判据
2.2.2 盲源分离算法
2.3 盲源分离算法的性能评判
2.3.1 主观定性评判方法
2.3.2 客观定量评判方法
2.4 循环平稳理论
2.4.1 低阶循环平稳过程
2.4.2 高阶循环统计量
2.5 循环平稳理论的盲源分离
2.6 本章小结
参考文献
第3章 基于循环平稳度的盲源分离算法
3.1 二阶循环平稳度分离准则
3.1.1 二阶循环统计量
3.1.2 二阶循环平稳度准则
3.2 基于二阶循环统计量的Dcs盲源分离算法
3.2.1 基于循环平稳理论的盲源分离原理
3.2.2 算法性能分析
3.2.3 实验仿真
3.3 高阶累积量循环平稳度准则
3.3.1 高阶循环累积量
3.3.2 高阶循环平稳度分离准则
3.4 基于高阶循环平稳度准则的盲源分离算法
3.4.1 算法原理
3.4.2 计算机仿真
3.4.3 算法性能分析
3.5 本章小结
参考文献
第4章 基于对角化原理的循环平稳盲源分离算法
4.1 矩阵对角化及特征值分解
4.1.1 矩阵可对角化理论
4.1.2 矩阵的奇异值分解
4.1.3 信号的白化处理
4.2 二阶循环平稳理论的鲁棒白化平均矩阵对角化盲源分离算法
4.2.1 鲁棒预白化
4.2.2 基于鲁棒白化平均矩阵对角化盲源分离算法
4.2.3 算法的基本理论
4.2.4 算法性能指标
4.2.5 计算机仿真
4.3 联合近似对角化原理
4.3.1 循环累积量矩阵
4.3.2 联合近似对角化原理
4.4 基于四阶循环累积量的JADE盲源分离算法
4.4.1 JADE盲源分离算法原理
4.4.2 基于四阶循环累积量的JADE盲源分离算法
4.4.3 实验仿真
4.5 本章小结
参考文献
第5章 基于互信息量最小化的循环平稳信号盲源分离算法
5.1 信息论的基本概念
5.1.1 KL散度
5.1.2 互信息量
5.2 基于互信息量的盲源分离算法
5.2.1 目标函数
5.2.2 寻优算法
5.3 基于最小互信息量的循环平稳盲源分离算法
5.3.1 信息量最小化准则
5.3.2 基于最小互信息量的循环平稳盲源分离算法
5.3.3 计算机仿真
5.3.4 算法性能分析
5.4 本章小结
参考文献
第6章 基于循环平稳理论的变步长盲源分离算法
6.1 变步长盲源分离算法
6.2 峭度自适应变步长循环平稳信号盲源分离算法
6.2.1 算法的推导过程
6.2.2 实验仿真
6.2.3 算法性能分析
6.3 分阶段变步长循环平稳信号盲源分离算法
6.3.1 算法的推导过程
6.3.2 实验仿真
6.3.3 算法性能分析
6.4 基于类似性能指数曲线的循环平稳信号的变步长盲源分离算法
6.4.1 算法原理
6.4.2 实验仿真
6.4.3 算法性能分析
6.5 基于分离度的变步长循环平稳信号盲源分离算法
6.5.1 算法原理
6.5.2 实验仿真
6.5.3 算法性能分析
6.6 本章小结
参考文献
附录 英汉对照术语表