第1章 导论 1
1.1盲源分离概述 1
1.2盲源分离的发展历史 3
1.3盲源分离应用 7
1.4本书结构与章节安排 9
参考文献 10
第一部分 盲源分离基础 17
第2章 盲源分离的数学基础 17
2.1矩阵分析与运算 17
2.1.1行列式及其性质 17
2.1.2矩阵的相关概念 18
2.1.3矩阵运算公式 18
2.2概率论基础——高阶统计量 24
2.3信息论基本概念 28
2.4距离测度 31
2.5信号盲源分离问题的可解性 33
参考文献 34
第3章 盲源分离的基础模型及经典算法 35
3.1数学模型 35
3.2盲源分离算法 36
参考文献 41
第4章 盲源分离的算法评价标准 43
4.1目标函数评价标准 43
4.2相关性评价标准 46
4.3信噪比评价标准 46
参考文献 47
第二部分 盲源分离的核心算法——独立成分分析算法与应用 51
第5章 独立成分分析 51
5.1 ICA概述 51
5.2 ICA的原理 55
5.3本章小结 69
参考文献 69
第6章 快速独立成分分析算法与应用 72
6.1概述 72
6.2 FastICA算法 75
6.3应用与分析 78
6.4本章小结 103
参考文献 104
第7章 极大似然独立成分分析算法与应用 105
7.1概述 105
7.2极大似然ICA算法 107
7.3应用与分析 112
7.4本章小结 116
参考文献 116
第8章 过完备独立成分分析算法与应用 117
8.1过完备 ICA算法 117
8.2应用与分析 120
8.3本章小结 124
参考文献 124
第9章 核心独立成分分析算法与应用 126
9.1 KICA算法 126
9.2应用与分析 128
9.3本章小结 133
参考文献 133
第10章 自然梯度Flexible ICA算法与应用 135
10.1自然梯度Flexible ICA算法 135
10.2应用与分析 138
10.3本章小结 147
参考文献 148
第11章 非负独立成分分析算法与应用 149
11.1非负ICA算法 149
11.2应用与分析 150
11.3本章小结 164
参考文献 164
第12章 约束独立成分分析算法与应用 166
12.1概述 166
12.2 CICA算法 167
12.3应用与分析 171
12.4本章小结 177
参考文献 177
第13章 优化独立成分分析算法与应用 179
13.1概述 179
13.2优化ICA算法 180
13.3应用与分析 184
13.4本章小结 197
参考文献 197
第三部分 盲源分离的前沿算法与应用 201
第14章 稀疏成分分析算法与应用 201
14.1概述 201
14.2 SCA的基础算法 207
14.3基于线性聚类的稀疏成分分析（LC-SCA） 209
14.4基于平面聚类的稀疏成分分析（PC-SCA） 223
14.5基于平面聚类的过完备稀疏成分分析（PCO-SCA） 228
14.6基于小波变换和稀疏成分分析（WL-SCA）的图像盲分离 234
14.7基于SCA的遥感影像分类 236
14.8本章小结 242
参考文献 242
第15章 非负矩阵分解算法与应用 247
15.1概述 247
15.2 NMF算法 251
15.3应用与分析 272
本章小结 300
参考文献 301
彩图 303