盲信号处理基础及其应用

图书信息

作者：孙守宇 编著，国防工业 | 分类：科学技术,计算机/网络,网络与数据通信

作者简介

作者简介 暂缺《盲信号处理基础及其应用》作者简介

内容简介

内容简介 　　近年来，盲信号处理的新概念、新技术迅速发展。盲信源分离和盲信道均衡是信号处理的两项重要任务。盲信源分离技术可以应用于阵列信号处理、医学信号处理、语音信号处理、图像信号处理以及其他信号处理领域。盲信道均衡的一个重要应用是恢复因信号通过信道传输而产生的失真信号，在数字通信中，以盲的方式消除码间干扰。尽管盲信源分离和盲信道均衡以各自独立的模式发展，但是事实上它们之间具有密切的关系。《盲信号处理基础及其应用》共分5章：第1章介绍盲信号处理；第2章提供盲信号处理的理论基础；第3章研究盲信源分离；第4章考虑盲信道均衡；第5章讨论盲信源分离和盲信道均衡之间的关系。《盲信号处理基础及其应用》可作为从事信号处理、图像处理、通信和计算机专业的高年级本科生和研究生的参考书，也可供相关领域的科研人员参考。

目录

图书目录
第1章 绪论1.1 盲信号处理1.1.1 映射和逆映射1.1.2 卷积和解卷积1.1.3 盲信号处理的基本问题1.2 盲信源分离1.2.1 盲信源分离的数学描述1.2.2 盲信源分离研究之进展1.3 盲信道均衡1.3.1 盲信道均衡的数学描述1.3.2 盲信道均衡研究之进展1.4 自适应滤波1.4.1 传统自适应滤波器1.4.2 监督和无监督自适应滤波器1.5 无监督自适应滤波的三种基本方法1.5.1 Bussgang统计算法1.5.2 高阶统计量方法1.5.3 信息理论方法1.6 本书各章内容概要第2章 盲信号处理的理论基础2.1 熵和信息2.1.1 熵2.1.2 K-L熵和互信息2.1.3 负熵2.1.4 可逆的概率密度变换2.2 高阶统计量2.3 自组织神经网络2.3.1 线性自组织2.3.2 非线性自组织2.4 递归网络2.5 标准梯度自适应2.5.1 参数和代价函数2.5.2 最陡下降法2.5.3 统计梯度下降法2.5.4 最陡下降法的行为2.6 自然梯度自适应2.6.1 欧氏几何和黎曼几何2.6.2 自然梯度下降法2.6.3 自然梯度与其他算法的关系2.7 自然梯度模拟实例2.7.1 噪声正弦函数的最大似然估计2.7.2 单层感知机训练2.8 主元分析法2.8.1 特征值分解2.8.2 第一主元估计学习算法2.8.3 几个主元自适应提取算法第3章 盲信源分离3.1 直观理解盲信源分离3.2 独立元分析概述3.2.1 独立元分析基础3.2.2 与ICA有关的模糊性3.3 利用神经网络的独立元分析3.3.1 预白化过程3.3.2 分离过程3.3.3 ICA基矢量的估计3.4 ICA的对比函数3.4.1 无噪线性混合的ICA3.4.2 基于似然性的对比函数3.4.3 基于互信息的对比函数3.4.4 基于信息最大化的对比函数3.4.5 基于统计量的对比函数3.5 ICA估计的非高斯性3.5.1 非高斯即独立3.5.2 非高斯性的峭度度量法3.5.3 非高斯性的负熵度量法3.6 盲信源分离的有效算法3.6.1 最大熵方法3.6.2 最小互信息方法3.6.3 自然梯度学习算法的等价变化性3.6.4 通信信号盲分离仿真3.6.5 语音信号盲分离仿真3.6.6 ICA的快速定点算法3.6.7 图像信号盲分离仿真3.7 峭度自适应学习率的盲信源分离算法3.7.1 盲信源分离算法学习率讨论3.7.2 峭度自适应学习率的盲信源分离算法3.7.3 计算机仿真3.8 信源信号的盲抽取3.8.1 单个源信号抽取方法3.8.2 一组信源的盲抽取第4章 盲信道均衡4.1 信道均衡的概念4.1.1 信道模型4.1.2 最小和最大相位信道4.1.3 均衡器结构4.1.4 基于训练的自适应均衡4.1.5 盲自适应均衡4.2 同态滤波盲均衡4.3 数字通信信道的盲均衡4.3.1 LMS盲均衡4.3.2 二进制数字信号的均衡4.4 基于高阶统计量的均衡4.4.1 基于高阶倒谱的盲均衡4.4.2 二倒谱4.4.3 三倒谱4.5 基于码元间隔的恒模算法4.5.1 信道均衡的条件4.5.2 恒模算法4.5.3 修正恒模算法4.5.4 仿真实验和性能比较4.5.5 MCMA频率选择性信道盲均衡性能分析4.6 基于分数间隔的恒模算法4.6.1 分数间隔采样对盲均衡的意义4.6.2 单输人多输出模型4.6.3 分数间隔的修正恒模算法4.6.4 计算机仿真实验4.6.5 采样时间偏移量的影响第5章 盲分离和盲均衡之间的关系5.1 问题描述5.1.1 源分离5.1.2 解卷积5.1.3 附加信息5.1.4 比较5.2 算法关系5.2.1 估计模型的选择5.2.2 代价函数的选择5.2.3 自适应算法的选择5.3 基于多用户峭度优化准则的独立信号的盲分离5.3.1 问题形成和假设5.3.2 单用户均衡问题回顾5.3.3 关于BSS的充分必要条件5.3.4 MU-CM方法5.4 盲信源分离学习算法扩展到多信道盲解卷5.4.1 各种方法的代数等价性5.4.2 卷积作为乘法运算5.4.3 多信道盲解卷的自然梯度学习规则5.4.4 多信道盲解卷算法5.4.5 多信道盲解卷算法的实现5.5 盲信号处理的一些相关问题参考文献