掃一掃
關(guān)注中圖網(wǎng)
官方微博
中圖價(jià):¥31.8
加入購物車
盲源分離技術(shù)原理與應(yīng)用 版權(quán)信息
- ISBN：9787560667980
- 條形碼：9787560667980 ; 978-7-5606-6798-0
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
盲源分離技術(shù)原理與應(yīng)用 內(nèi)容簡(jiǎn)介
本書全面論述了盲源分離技術(shù)的原理、關(guān)鍵算法及應(yīng)用，在介紹盲源分離相關(guān)算法原
理的基礎(chǔ)上，總結(jié)出算法的實(shí)現(xiàn)步驟，給出算法的仿真結(jié)果，并分析了仿真結(jié)果。全書共14章，分為四部分，首先介紹了盲
源分離的相關(guān)理論及技術(shù)基礎(chǔ)概要，然后分別論述了超定/正定盲源分離技術(shù)和欠定
盲源分離技術(shù)，后對(duì)盲源分離技術(shù)的應(yīng)用進(jìn)行了介紹。
本書可作為信號(hào)處理相關(guān)專業(yè)研究生及高年級(jí)本科生的教材，還可作為無線通信、信
號(hào)處理等領(lǐng)域工程技術(shù)人員的參考書。
盲源分離技術(shù)原理與應(yīng)用 目錄
第1章 盲源分離問題的提出和應(yīng)用 1
1.1 盲源分離問題的提出 1
1.2 盲源分離技術(shù)的發(fā)展 2
1.2.1 超定/正定盲源分離技術(shù)的發(fā)展 2
1.2.2 欠定盲源分離技術(shù)的發(fā)展 3
1.3 盲源分離的應(yīng)用 4
本章小結(jié) 6
第2章 盲源分離的數(shù)學(xué)模型及可分性條件 7
2.1 盲源分離的數(shù)學(xué)模型 7
2.1.1 線性瞬時(shí)混合模型 7
2.1.2 線性卷積混合模型 8
2.2 線性瞬時(shí)混合盲源分離的假設(shè)條件 9
2.2.1 超定/正定盲源分離的假設(shè)條件 9
2.2.2 欠定盲源分離的假設(shè)條件 10
2.3 線性瞬時(shí)混合盲源分離的模糊性 11
2.3.1 超定/正定盲源分離的模糊性 11
2.3.2 欠定盲源分離的模糊性 11
本章小結(jié) 12
第3章 盲源分離的理論基礎(chǔ) 13
3.1 主分量分析(PCA) 13
3.2 獨(dú)立分量分析（ICA） 14
3.2.1 非高斯的*大化法 15
3.2.2 *大似然估計(jì) 16
3.2.3 互信息的*小化法 16
3.3 稀疏分量分析（SCA） 17
3.4 盲源分離常用方法 19
3.4.1 超定/正定盲源分離常用方法 19
3.4.2 欠定盲源分離常用方法 20
3.5 盲源分離性能評(píng)價(jià)指標(biāo) 22
3.5.1 干信比(ISR) 23
3.5.2 互串誤差 25
3.5.3 相關(guān)系數(shù) 25
3.5.4 混合矩陣估計(jì)誤差 26
本章小結(jié) 26
第4章 盲源分離的預(yù)處理技術(shù) 27
4.1 白化預(yù)處理技術(shù) 27
4.1.1 批處理的標(biāo)準(zhǔn)白化算法 27
4.1.2 自適應(yīng)的標(biāo)準(zhǔn)白化算法 28
4.1.3 批處理的穩(wěn)健白化算法 30
4.1.4 自適應(yīng)的穩(wěn)健白化算法 30
4.2 源信號(hào)個(gè)數(shù)估計(jì)技術(shù) 31
4.2.1 基于特征值分解的方法 31
4.2.2 基于信息論準(zhǔn)則的方法 32
4.2.3 基于蓋爾圓準(zhǔn)則的方法 34
4.3 源信號(hào)個(gè)數(shù)估計(jì)算法仿真分析 36
4.3.1 單通道接收信號(hào) 36
4.3.2 多通道接收信號(hào) 39
本章小結(jié) 41
第5章 基于梯度的超定/正定盲源分離算法 42
5.1 基于梯度的固定步長(zhǎng)盲源分離算法 42
5.1.1 代價(jià)函數(shù)的選擇 42
5.1.2 隨機(jī)梯度盲源分離算法 43
5.1.3 自然梯度盲源分離算法 44
5.1.4 EASI盲源分離算法 44
5.2 基于梯度的可變步長(zhǎng)盲源分離算法 45
5.2.1 可變步長(zhǎng)的自然梯度盲源分離算法 45
5.2.2 可變步長(zhǎng)的EASI盲源分離算法 46
5.3 盲源分離算法的穩(wěn)定性分析及非線性函數(shù)的選擇 48
5.3.1 自然梯度算法的穩(wěn)定性分析 48
5.3.2 自然梯度算法中非線性函數(shù)的選擇 50
5.3.3 EASI算法的穩(wěn)定性分析 51
5.3.4 EASI算法中非線性函數(shù)的選擇 52
5.4 算法性能仿真和分析 53
5.4.1 自然梯度盲源分離算法仿真 53
5.4.2 EASI分離算法仿真 57
本章小結(jié) 60
第6章 超定/正定盲源分離的快速定點(diǎn)（FastICA）算法 61
6.1 基于峭度的快速定點(diǎn)算法 61
6.1.1 峭度的定義和特性 61
6.1.2 利用峭度的梯度算法 62
6.1.3 利用峭度的快速定點(diǎn)算法 63
6.2 基于負(fù)熵的快速定點(diǎn)算法 64
6.2.1 非高斯性的負(fù)熵度量法 64
6.2.2 負(fù)熵的近似計(jì)算 65
6.2.3 基于負(fù)熵的梯度算法 66
6.2.4 基于負(fù)熵的快速定點(diǎn)算法 66
6.3 多元快速定點(diǎn)算法 68
6.3.1 GramSchmidt正交化 68
6.3.2 對(duì)稱正交化 69
6.3.3 多元快速定點(diǎn)算法 70
6.4 適用于復(fù)信號(hào)的快速定點(diǎn)算法 70
6.4.1 復(fù)隨機(jī)變量的基本概念 70
6.4.2 非高斯性測(cè)量的選擇 71
6.4.3 定點(diǎn)算法的推導(dǎo) 72
6.5 計(jì)算機(jī)仿真分析 73
6.5.1 實(shí)信號(hào)的快速定點(diǎn)算法仿真 73
6.5.2 復(fù)信號(hào)的快速定點(diǎn)算法仿真 74
本章小結(jié) 76
第7章 基于聯(lián)合對(duì)角化的超定/正定盲源分離算法 77
7.1 基于二階累積量的聯(lián)合對(duì)角化盲源分離原理 77
7.2 基于四階累積量的聯(lián)合對(duì)角化盲源分離原理 78
7.3 近似聯(lián)合對(duì)角化方法 80
7.4 基于聯(lián)合對(duì)角化的盲源分離算法步驟 82
7.5 計(jì)算機(jī)仿真結(jié)果 83
7.5.1 二階累積量聯(lián)合對(duì)角化算法仿真 83
7.5.2 四階累積量聯(lián)合對(duì)角化算法仿真 86
本章小結(jié) 88
第8章 超定卷積混合盲源分離技術(shù) 89
8.1 時(shí)域卷積混合盲源分離算法 89
8.1.1 JBDun算法 91
8.1.2 FJBDun算法 92
8.1.3 JBDns算法 94
8.2 頻域卷積混合盲源分離算法 95
8.2.1 頻域方法的思想及流程 95
8.2.2 幅度模糊性的解決方法 96
8.2.3 排序模糊性的解決方法 97
8.2.4 算法性能仿真分析 107
本章小結(jié) 110
第9章 充分稀疏欠定混合矩陣估計(jì)技術(shù) 112
9.1 基于聚類的充分稀疏欠定混合矩陣估計(jì) 112
9.1.1 基于k均值聚類的充分稀疏欠定混合矩陣估計(jì) 112
9.1.2 基于模糊C均值聚類（FCM）的充分稀疏欠定混合矩陣估計(jì) 114
9.1.3 基于改進(jìn)的k均值聚類充分稀疏欠定混合矩陣估計(jì) 115
9.1.4 仿真結(jié)果分析 119
9.2 基于相似度檢測(cè)的欠定混合矩陣估計(jì) 121
9.2.1 觀測(cè)信號(hào)預(yù)處理 121
9.2.2 提取高密度點(diǎn) 122
9.2.3 源信號(hào)數(shù)目和混合矩陣估計(jì) 123
9.2.4 基于相似度檢測(cè)的欠定混合矩陣估計(jì)算法步驟 124
9.2.5 仿真結(jié)果及分析 125
9.3 基于靶心檢索的欠定混合矩陣估計(jì) 129
9.3.1 觀測(cè)信號(hào)預(yù)處理及高密度采樣點(diǎn)提取 130
9.3.2 源信號(hào)數(shù)目以及混合矩陣估計(jì) 130
9.3.3 仿真結(jié)果及分析 133
本章小結(jié) 136
第10章 非充分稀疏欠定混合矩陣估計(jì) 137
10.1 基于k維子空間的混合矩陣盲估計(jì)算法 137
10.1.1 算法原理 137
10.1.2 算法實(shí)現(xiàn)步驟 139
10.2 基于參數(shù)估計(jì)的混合矩陣估計(jì)算法 140
10.2.1 算法原理 140
10.2.2 算法實(shí)現(xiàn)步驟 141
10.3 基于平面聚類勢(shì)函數(shù)的混合矩陣估計(jì)算法 143
10.3.1 平面聚類勢(shì)函數(shù)法的原理 143
10.3.2 平面聚類勢(shì)函數(shù)法的步驟 145
10.4 基于齊次多項(xiàng)式表示的欠定混合矩陣盲估計(jì)算法 145
10.4.1 譜聚類 146
10.4.2 方法原理 151
10.4.3 算法步驟 155
10.4.4 計(jì)算機(jī)仿真 155
10.5 基于單源點(diǎn)（SSP）檢測(cè)的欠定混合矩陣估計(jì)算法 159
10.5.1 混合時(shí)頻比方法 159
10.5.2 基于識(shí)別時(shí)頻SSP的欠定混合矩陣估計(jì)方法 161
10.5.3 基于改進(jìn)識(shí)別時(shí)頻SSP的欠定混合矩陣估計(jì)方法 163
10.5.4 計(jì)算機(jī)仿真與分析 165
本章小結(jié) 168
第11章 基于壓縮重構(gòu)的源信號(hào)恢復(fù)算法 169
11.1 壓縮感知數(shù)學(xué)模型 169
11.2 欠定盲源分離與壓縮感知的關(guān)系 170
11.3 基于貪婪思想的欠定盲源分離源信號(hào)恢復(fù) 171
11.3.1 匹配追蹤系列算法 171
11.3.2 梯度追蹤系列算法 173
11.3.3 互補(bǔ)匹配追蹤系列算法 176
11.3.4 子空間互補(bǔ)匹配追蹤算法 178
11.3.5 算法性能仿真及分析 179
11.4 基于L1范數(shù)的欠定盲源分離源信號(hào)恢復(fù) 184
11.4.1 基追蹤算法 184
11.4.2 梯度投影算法 185
11.4.3 基于L1范數(shù)的互補(bǔ)匹配追蹤（L1CMP）算法 188
11.4.4 算法仿真及分析 191
11.5 基于平滑L0范數(shù)（SL0）的源信號(hào)恢復(fù)算法及其改進(jìn) 196
11.5.1 平滑L0范數(shù)（SL0）算法 196
11.5.2 魯棒的平滑L0范數(shù)（RSL0）算法 197
11.5.3 基于混合優(yōu)化的SL0（HOSL0）算法 197
11.5.4 徑向基函數(shù)（RASR）算法 200
11.5.5 基于修正牛頓的徑向基函數(shù)(NRASR)算法 201
11.5.6 算法性能仿真及分析 202
本章小結(jié) 207
第12章 源信號(hào)恢復(fù)的其他算法 208
12.1 基于*短路徑的源信號(hào)恢復(fù)算法 208
12.2 基于統(tǒng)計(jì)稀疏分解的源信號(hào)恢復(fù)算法 210
12.3 改進(jìn)的統(tǒng)計(jì)稀疏分解源信號(hào)恢復(fù)算法 210
12.4 算法性能仿真分析 212
本章小結(jié) 217
第13章 盲源分離在軍事通信中的應(yīng)用 218
13.1 基于盲源分離的DSCDMA信號(hào)偽碼估計(jì)及多用戶分離 218
13.1.1 DSCDMA信號(hào)模型 218
13.1.2 基于盲源分離的DSCDMA信號(hào)偽碼估計(jì) 220
13.1.3 基于盲源分離的DSCDMA信號(hào)多用戶分離解調(diào) 221
13.1.4 計(jì)算機(jī)仿真 221
13.2 基于盲源分離的跳頻信號(hào)分選拼接技術(shù) 225
13.3 頻譜混疊信號(hào)的盲源分離 228
13.4 基于盲源分離的通信抗干擾技術(shù) 232
13.4.1 BSS抗干擾技術(shù)原理 232
13.4.2 計(jì)算機(jī)仿真 233
本章小結(jié) 238
第14章 通信信號(hào)盲源分離實(shí)測(cè)實(shí)驗(yàn) 239
14.1 實(shí)驗(yàn)系統(tǒng)的組成 239
14.2 盲源分離原理性實(shí)驗(yàn) 239
14.2.1 數(shù)字調(diào)制信號(hào)盲源分離 239
14.2.2 調(diào)頻廣播信號(hào)盲源分離 243
14.3 源信號(hào)載頻間隔對(duì)分離性能的影響 244
14.4 信噪比對(duì)盲源分離性能的影響 249
14.5 盲源分離算法的空間分辨率實(shí)驗(yàn) 251
本章小結(jié) 253
參考文獻(xiàn) 254
展開全部
書友推薦
- >
回憶愛瑪儂
- >
上帝之肋:男人的真實(shí)旅程
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
有舍有得是人生
- >
龍榆生：詞曲概論/大家小書
- >
二體千字文
- >
自卑與超越
- >
月亮虎
本類暢銷
