第1章 绪论 1
1.1 盲信号分离 1
1.2 盲信号分离技术发展历程和前景 3
参考文献 8
第2章 盲信号分离的数学基础 12
2.1 随机过程和概率分布 12
2.2 高阶累积量 16
2.3 概率密度函数的级数展开 18
2.4 估计理论 20
2.5 信息论基础 29
参考文献 31
第3章 盲信号分离基本理论 32
3.1 盲信号分离的数学模型 32
3.2 盲信号分离的基本假设 34
3.3 盲信号分离的不确定性 35
3.4 盲信号分离算法性能评价准则 36
3.5 盲信号分离的预处理技术 38
3.6 盲信号分离的基本方法 44
3.7 特殊情形下的盲分离 49
参考文献 51
第4章 线性瞬时混合盲信号分离 52
4.1 盲信号分离的快速算法 52
4.2 自适应盲分离算法 78
4.3 盲信号提取技术 91
参考文献 99
第5章 卷积混合盲信号分离 101
5.1 瞬时盲分离算法向卷积盲分离算法的时域推广 101
5.2 时域转化为常规ICA方法 102
5.3 线性预测的卷积盲分离算法 104
5.4 瞬时盲分离算法向卷积盲分离算法的频域推广 114
5.5 基于Householder变换的卷积盲分离频域算法 115
参考文献 133
第6章 欠定混合盲信号分离 136
6.1 欠定模型下的盲信号可提取性 136
6.2 欠定模型下的盲源分离技术 141
6.3 单通道盲源分离技术概述 151
参考文献 153
第7章 基于盲信号分离的阵列信号处理 156
7.1 阵列信号模型与盲信号分离模型 156
7.2 复数盲分离算法 157
7.3 盲信号分离不确定性对阵列流形估计的影响及校正 164
7.4 基于盲信号分离的DOA估计 171
7.5 基于盲信号分离的盲数字波束形成 185
7.6 基于盲信号分离的阵列幅相误差校正 196
参考文献 210
第8章 基于盲信号分离的共信道多干扰信号的自动识别 212
8.1 基于盲信号分离的信号和干扰自动识别 213
8.2 基于高阶累积量的调制方式及干扰信号自动识别 221
参考文献 230
第9章 盲分离在图像处理中的应用 233
9.1 盲分离在高光谱图像混合像元分解中的应用 233
9.2 盲分离在脑图像分析中的应用 242
参考文献 250
索引 253