第1章 盲信號處理導論:問題及應用
1.1 問題的表達——概述
1.2 盲信號處理和半盲信號處理的潛在應用
第2章 解線性代數方程系統(tǒng)及相關問題
2.1 線性方程系統(tǒng)問題的表述
2.2 最小二乘問題
2.3 線性方程系統(tǒng)的最小絕對偏差(1-范數)解
2.4 總體最小二乘和數據最小二乘問題
2.5 稀疏信號表示和最小1-范數解
第3章 主/次分量分析及相關問題
3.1 簡介
3.2 PCA的基本性質
3.3 用最優(yōu)壓縮-重構原理提取主分量
3.4 基本代價函數和PCA的自適應算法
3.5 穩(wěn)健PCA
3.6 次分量順序提取的自適應學習算法
3.7 用于估計主分量, 次分量及其子空間的統(tǒng)一并行算法
3.8 與PCA相關的奇異值分解和基本矩陣子空間
3.9 用于有色源的盲源分離多級PCA
附錄A 用于實和復值PCA的基本神經網絡算法
附錄B 用于復值PCA的層次神經網絡
第4章 盲解相關和用于穩(wěn)健盲辨識的二階統(tǒng)計量
4.1 空間解相關-白化變換
4.2 基于EVD和GEVD的二階統(tǒng)計量盲辨識
4.3 基于允稱EVD/SVD的改進SOS盲辨識算法
4.4 聯合對角化——穩(wěn)鍵的SOBI算法
4.5 相關抵消
附錄A Amari自然梯度和Atick-Redlich公式的穩(wěn)定性
附錄B 有界人離矩陣Frobenius范數的梯度下降算法
附錄C JADE算法
附錄D 穩(wěn)健的SOBI算法的MATLAB實現
第5章 盲信號提取的統(tǒng)計信號處理方法
5.1 引言及問題的表述
5.2 使用峭度作為代價函數的學習算法
5.3 時間相關信號源盲信號提取的實時自適應算法
5.4 時間相關源盲提取的批處理算法
5.5 獨立源順序提取的統(tǒng)計方法
5.6 時間相關信號源的統(tǒng)計方法
5.7 實時順序卷積混合源提取
5.8 計算機仿真:舉例
5.9 結論評述
附錄A 基于峭度的盲源提取算法的全局收斂
附錄B 提取和消減程序的分析
附錄C 使用線性預測方法提取源信號的條件
第6章 自然梯度方法用于獨立分量分析
6.1 基本的自然梯度算法
6.2 基本自然梯度算法的推廣
6.3 用于任意組的源盲提取的自然梯度算法
6.4 用于ICA的廣義GAUSSIAN
6.5 用于非平穩(wěn)源的自然梯度算法
附錄A 自然梯度ICA算法(6.19)的局部穩(wěn)定性條件的推導
附錄B 學習規(guī)則(6.23)的推導和ICA的穩(wěn)定性條件
附錄C 廣義自適應學習算法的穩(wěn)定性
附錄D 非完整自然梯度算法的動態(tài)性質和穩(wěn)定性
附錄E 穩(wěn)定性條件總結
附錄F 非正方分離矩陣的自然梯度
附錄G 一般情形的李群和自然梯度
第7章 ICA的局部自適應算法與實現
7.1 盲源分離的改進JUTTEN-HERAULT算法
7.2 用于一組穩(wěn)健的ICA算法推導的迭代矩陣逆方法
7.3 具有非負約束的盲源分離
7.4 計算機仿真
附錄A 穩(wěn)健ICA算法(7.50)式的穩(wěn)定條件[326]
第8章 有噪數據的BSS和ICA的穩(wěn)健技術
8.1 引言
8.2 預白化和ICA算法的移偏方法
8.3 被加性卷積參考噪聲所污染的信號的盲分離
8.4 基于累量的自適應ICA算法
8.5 基于累量代價函數的一組源信號的穩(wěn)健提取
8.6 噪聲消除的遞歸神經網絡方法
附錄A 根據矩函數求累量
第9章 多通道盲解卷積:自然梯度方法
9.1 源信號估計的SIMO卷積模型和學習算法
9.2 帶約束的FIR濾波器的多通道盲解卷積
9.3 多輸入多輸出盲解卷積的一般模型
9.4 BSS/ICA和MBD之間的關系
9.5 具有非完整約束的自然梯度算法
9.6 應用濾波器分解方法的非最小相位系統(tǒng)的盲解卷積
9.7 計算機仿真實驗
附錄A FIR流形上的李群和黎曼測度
附錄B 等變化算法的性質和穩(wěn)定條件
第10章 估計函數及ICA和解卷積的超有效性
10.1 標準ICA的估計函數
10.2 有噪情形下的估計函數
10.3 時間相關源信事情的估計函數
10.4 多通道盲解卷積的半參數模型
10.5 MBD的估計函數和標準估計函數
附錄A 算子K(z)的表示
第11章 利用狀態(tài)空間方法進行線性盲濾波和盲分離
11.1 問題表述和基本模型
11.2 基本學習算法的推導
11.3 利用信息反向傳播估計矩陣[A, B]
11.4 狀態(tài)估計器——卡曼濾波器
11.5 兩階段分離算法
附錄A 代價函數的推導
第12章 非線性狀態(tài)空間模型——半盲信號處理
12.1 問題的一般表述
12.2 有監(jiān)督和無監(jiān)督的學習算法
第13章 附錄:數學預備知識
13.1 矩陣分析
13.2 距離測試
第14章 符號的縮略詞匯編
主要符號
縮略詞
參考文獻
</font>