一、独立元的实时算法分析（论文文献综述）
黄文慧[1]（2017）在《城市轨道交通路网客流传播建模与限流策略研究》文中研究表明随着我国城市化推进和轨道交通的迅猛发展,城市轨道交通日益成为居民日常出行的重要交通方式。然而,高峰期客流拥挤及其传播逐渐成为突出问题,威胁着城市轨道交通的安全高效运营。客流的拥挤及传播的本质原因是运能供给相对运输需求不足。为降低客流拥挤及其传播造成的运营安全风险,在运能供给接近饱和的制约条件下采用客流流入控制措施（限流）具有较大的现实意义。客流在路网中有动态传播特性,因此有必要准确掌握路网客流拥挤的传播规律,包括客流拥挤的产生、传播和消散,并在此基础上进行限流策略的制定。本文以客流传播为主线,主要做了以下工作:（1）对城轨的路网客流拥挤传播问题进行了分析,包括其含义、分类、生命周期、影响、形成原因以及常态高峰下的典型场景。（2）构建基于元胞自动机（CA）的城轨单一线路客流传播模型。从单一线路入手,忽略换乘,在CA框架下建立模型,刻画客流的单一线路动态传播过程。以北京地铁1号线某区段为例进行研究,结果表明运用模型能获得客流的时变区间满载率,对时空维度上的拥挤高峰进行定位,为拥挤的疏解提供依据。（3）构建基于事件仿真的城轨路网客流传播模型。首先提出面向网络计算的路网客流传播模型框架。然后在给定OD数据基础上,进行客流路径选择比例计算。构建描述线路上联系客流流入-流出动态过程的关键参数——分流率,并给出其计算方法。将数据和参数代入演化子模型,按列车时刻表触发系统客流状态更新,最后实现"配流到车"的动态跟踪。以北京地铁某局部路网为例进行研究,结果表明借助模型能获得路网随时间变化的列车满载率水平,呈现客流拥挤在路网的时空演变过程,为限流策略的制定提供决策支撑。与基于个体的微观仿真相比,本模型以客流OD为基本仿真单元,具有运算效率高的特点。（4）提出面向常态高峰,基于客流推演的限流策略制定方法。借助客流推演识别限流车站和限流时段,确立安全运营为第一目标、乘客延误最小化为第二目标的总体优化目标,并根据具体客流传播模型的特点设计限流数值计算方法。以基于CA的单一线路客流传播模型为客流推演工具时,设计了逆推算法求解限流方案;以基于事件仿真的路网客流传播模型为客流推演工具时,采用改进的粒子群算法求解限流方案。实例验证表明:提出的限流策略制定方法能够为实际限流提供包含限流车站、限流时段和限流强度的量化方案,从而改善区间拥挤情况,提高运营安全水平。
赵梦逸[2]（2014）在《语音信号的盲分离技术研究及应用》文中研究说明语音信号的盲分离指的是在语音源信号的信息未知,同时也不知道混合系统的情况下,只能依据观测到的语音信号来估计源信号的过程。主要用于现代的通信领域。随着人类步入信息社会的步伐加快,越来越多的领域需要语音信号盲分离。语音信号盲分离研究主要在时域和频域上展开。时域内只能解决瞬时混合模型的语音信号,而有混响问题的卷积语音信号盲分离在频域内解决就容易很多。目前,语音盲分离领域已经出现了很多算法,主要分为批处理算法和自适应算法两大类。批处理算法主要是联合对角化算法,自适应算法则以在线学习的梯度算法为主,有随机梯度算法和自然梯度算法。大量的学者在这两类算法上探索研究改进,Fast ICA算法应运而生,结合了批处理算法和自适应算法的优点,对接收到的数据实施在线梯度算法,一次处理批量的数据并不断更新迭代分离矩阵,有很好的收敛性能。跟其它的ICA算法一样,FastICA算法也存在排序不确定性和幅度不确定性,本文对这部分难点做了大量仿真对比研究,最后实现了频点对齐并消除了幅度不确定性。本文主要做了以下方面的研究:1.分析比较了ICA的四类独立性判断准则,极大化似然度的判断准则、互信息最小化判断准则、信息最大化准则以及极大化非高斯性准则;研究分析了ICA中传统的批处理算法及自适应处理算法。2.深入讨论FastICA算法,并根据目标函数的不同,分别基于负熵、基于峭度以及基于似然度,分析比较三者的优缺点。3.针对排序不确定性和幅度不确定性做了大量对比研究,最终通过基于功率比的相关系数和最小失真法消除了这两种不确定性,并给出了仿真结果和对比分析。4.在语音盲分离的应用方面,探究其在麦克风阵列中的实际应用,分别对实际的欠定语音信号和超定语音信号成功的实现盲分离。
占海龙[3]（2014）在《单导联和多导联环境下胎儿心电分离算法研究》文中提出胎儿心电信号（Fetal electrocardiogram, FECG）是胎儿宫内生理活动最主要的客观指标之一，通过分析胎儿心电信号，能够早期诊断胎儿宫内缺氧、宫内窘迫以及先天性心脏病等，有效地降低新生儿各类疾病的发病率和死亡率。采用置体表电极于母体腹部体表的间接方法采集到的胎儿心电信号中包含很多噪声干扰，其中母体心电信号（Maternal electrocardiogram,MECG）的干扰最强，其幅度是胎儿心电信号的数十倍且大部分频带与胎儿心电信号重叠。此外，母体的呼吸漂移，宫缩等引起的肌电干扰，以及50Hz的工频干扰等都影响着胎儿心电信号的提取。因此，胎儿心电信号提取已经成为国内外众多学者研究的热点问题之一。本文主要研究多导联和单导联环境下胎儿心电信号的提取方法，在分析胎儿心电信号常用提取方法基础上，提出了多导环境下小波域信息极大化胎儿心电信号提取算法和单导环境下奇异值分解和人工神经网络相结合的胎儿心电信号提取方法；利用模拟数据和临床实际数据对提出的两种方法进行测试，实现了胎儿心电信号的有效提取。本文的主要工作内容如下：1.回顾了胎儿心电信号提取技术的发展历史和现状；阐述了通过间接法采集到的腹壁母胎混合心电信号的特点。2.提出了多导环境下小波域信息极大化胎儿心电信号提取算法。利用小波变换的去相关性，将独立分量提取变换到小波域；然后利用信息极大化算法实现胎儿心电信号的独立分量提取，并在小波域利用阈值去噪技术对混合信号进行预处理；研究不同小波基函数和不同小波分解层数对算法的影响，并确定胎儿心电信号提取中的最优小波基函数和小波分解层数；最后利用模拟数据和临床数据验证算法的性能。结果表明，本文所提算法实现了多导联环境下胎儿心电信号的有效分离。3.提出了单导联环境下结合奇异值分解和人工神经网络的胎儿心电信号提取方法。首先利用奇异值分解生成母体心电信号成分的估计；然后利用人工神经网络模拟母体心电传导过程的非线性变换；最后利用模拟数据和临床数据验证了算法的性能。结果表明，本文所提算法实现了单导联环境下胎儿心电信号的有效分离。本文的研究实现了不同导联环境下胎儿心电信号的有效提取，为胎儿心电监护仪的研制提供了技术支撑。
谭越[4]（2012）在《胎儿心电信号采集及基于盲信号理论的胎儿心电信号提取研究》文中指出心电图学的研究已经持续了将近一个世纪时间，已在成人心电临床领域取得了显着成就，并带动了相关信号采集和处理技术的研究与进步。与已经相对成熟的成人心电技术相比，胎儿心电的分析还处于初级阶段。胎儿心电包含非常精确的胎儿健康信息，可以在围产期和分娩时协助医生做出适当和及时的诊断决策，但从母亲腹部采集到的胎儿心电非常微弱，并受到母亲心电、肌电等各种干扰和噪声的影响，如何提取出纯净的胎儿心电信号，主要涉及两个方面的内容：模拟电路设计，尽可能无失真的线性放大孕妇体表电信号，供给算法使用，其次即是稳健准确的胎儿心电信号提取算法，可以有效的消除母亲心电等杂波，同时不对胎儿心电的各个波形造成损伤。这两个方面依然是目前的研究热点。胎儿心电采集电路将主要借鉴现在已经比较成熟的成人心电电路设计，而胎儿心电提取将以现在正蓬勃发展的盲信号分离理论为基础，结合统计信号分析与自适应信号处理技术，给出几种有效的算法。基于这两个方面的研究内容，本文所做出的主要创新点有：1.从生物医学角度，介绍了胎儿心脏结构，胎儿心电的产生、传播和标记体系，从而揭示了胎儿心电波形与心脏疾病的内在联系，突出了胎儿心电的诊断意义。2.提出了一种有效的电极导联位置方案，对电极与皮肤接触进行建模，用于后面对电路各模块的仿真验证，重点对失调电压、噪声以及电路稳定性进行了仿真验证。提出了一种低增益高精度ADC的采集方案，用Delta-Sigma架构24bit精度的ADC取代之前SAR结构14bit精度的ADC，从而大大简化了设计，并通过实际临床信号采集得以证明。3.针对胎儿心电模型的一些独特性：准周期性（Quasi-Periodic），线性瞬时混合模型和母胎心电信号统计不相关，提出了一类盲信号抽取方法，利用心电信号自相关函数的周期性，构造了两种可在线实时处理的目标函数。同时，作者注意到胎儿心电的周期变动性，提出了一种在频域寻找变动周期的方法，结合一种基于斜投射方法，得到了性能更加优秀的胎儿心电盲抽取算法。
胡志明[5]（2011）在《视频图像中运动目标跟踪技术研究》文中进行了进一步梳理目标跟踪技术作为计算机视觉领域的一个重要分支,是目标行为分析、视频图像的压缩编码等高层次的视频处理和应用理解的基础,也是视频监控技术自动化和实时应用的关键,在军事和民用等许多领域得到了广泛的应用。本文深入地分析了跟踪领域的研究现状和所面临的难点,并针对目标跟踪领域光照变化、遮挡等难题,在深入研究各种经典跟踪算法的基础上选取其中两种算法进行改进,取得了比较好的跟踪效果。本文的主要研究内容概括如下:1)本文介绍了目标跟踪技术的国内外研究现状,系统地分析了目标跟踪技术中各种经典算法的优缺点。在此基础上选择基于协方差矩阵的跟踪算法和基于SURF匹配的目标跟踪算法作为研究的重点。2)协方差矩阵是一种新的目标表示方式,它能够方便有效地融合目标的各种特征。为了提高协方差矩阵的可分辨性,本文将分块思想引入到目标的协方差矩阵表示中,并借鉴SURF特征描述,改进了特征矢量的表示形式。同时为了增强跟踪算法在部分遮挡情况下的鲁棒性,还增加了目标的子区域协方差矩阵表示。实验表明,基于本文改进协方差矩阵的跟踪算法在光照变化等复杂背景下能够取得更加稳定的跟踪效果。3)针对基于SURF匹配的跟踪算法中常见的一些问题,采取了一些相应的改善措施:首先,为增强匹配点的准确性和稳定性,本文依据特定于跟踪领域的一些约束条件采用了几种简单的剔除SURF误匹配的方法,接着改进了基于SURF匹配的目标定位算法,使之能够适应SURF匹配点数目较少的情况,最后,为了适应目标变化、同时避免跟踪漂移现象的发生,本文改进了SURF模板更新方法。4)为增强跟踪算法在遮挡情况下的鲁棒性,本文融合了以上两种跟踪算法。融合后的跟踪算法充分利用了两种跟踪算法的优点:基于协方差矩阵跟踪算法在未发生遮挡时的准确性以及基于SURF匹配的在遮挡情况下的优越性。该算法的跟踪策略是首先根据检测到的SURF匹配点的情况来判断目标所处状态——确定目标是否被严重遮挡,然后根据目标所处的状态选取不同的跟踪措施以达到鲁棒跟踪的目的。
冯絮影[6]（2010）在《发酵过程混合建模及带动态补偿的非线性预测控制方法研究》文中进行了进一步梳理微生物发酵是生物工程和现代生物技术及其产业化的基础。随着生物工程技术的进步和发酵工业生产规模的不断扩大,迫切需要提高发酵过程控制系统的控制性能和鲁棒性。发酵过程是典型的非线性、非平稳、高维数、慢时变的复杂系统,且缺乏足够的先验知识,难以构建准确描述发酵过程特性的数学模型。随着对发酵过程控制性能要求的不断提高,研究能准确表征发酵过程特性的混合建模方法及有效的自适应控制策略具有重要的理论意义和应用价值。本文在分析现有发酵过程建模和控制方法研究现状基础上,以系统的未知动态不确定性为主要研究对象,针对模型失配和未知动态等不确定性影响发酵过程控制品质的难题,研究了发酵过程的混合模型结构、在线快速建模、状态抗差估计、鲁棒预测控制等问题,并进行了青霉素发酵过程预测控制的仿真实验研究。发酵过程机理十分复杂,已有的建模方法对过程的描述并不全面。本文提出了一种带未知动态的非线性系统混合状态空间模型,未知动态的引入使得该模型不但具备一般非线性系统的优点，还能表征更广泛领域的非线性过程特性。在此基础上,设计了带动态补偿的输出反馈非线性模型预测控制（Nonlinear Model Predictive Control, NMPC）的整体实现框架,并分析了未知动态对系统动态特性的影响,为后续研究打下了坚实的理论基础。基于核方法的在线建模研究方面,为提高支持向量回归（Support Vector Regression, SVR）建模的实时性和运算速度,本文首次从在特征空间复制训练样本的角度证明了SVR和支持向量分类（Support Vector Classification, SVC）的等价性问题,部分消除了SVC和SVR训练算法的差异,将简洁快速的几何训练算法推广用于SVR训练,有效提高了SVR的实时性和运算速度。基于核独立元分析（Kernel Independent Component Analysis, KICA）和递推最小二乘支持向量机（Recursive Least Square Support Vector Machine, RLS-SVM）的未知动态回归估计满足了在线建模和预测估计的实时性要求,且具有较低的计算复杂度。基于滤波器的自适应控制器设计方面,基于过程混合模型,研究了基于环路传递复现（Loop Transfer Recovery, LTR）非线性二次调节（Nonlinear Quadratic Regulation with LTR, NQG/LTR）的、带一步动态补偿的NMPC （NMPC with Dynamic Compensation, NMPC/DC）设计方法,考虑到高斯和非高斯扰动的情况,本文在不敏粒子滤波（Unscented Particle Filter, UPF）和不敏变换抗差Kalman滤波（Unscented Transformation based Robust Kalman Filter, UT-RKF）状态估计的基础上,构建了完整的基于NQR/LTR的发酵过程NMPC/DC控制系统,并给出了控制系统的详细执行步骤。以青霉素发酵过程为实验对象,仿真实验表明：用基于不同训练算法的SVR对青霉素发酵过程大规模数据进行回归训练,在相同的实验条件和相当的回归精度情况下,基于几何训练算法的SVR具有更快的运算速度和更好的收敛性,有效提高了SVR的数据实时处理能力；在初始值和噪声方差存在偏差的情况下,比较EKF、RKF、UT-RKF和RPF的状态估计性能可知,UT-RKF和RPF算法具有更好的估计精度和数值稳定性,高斯扰动情况下,UT-RKF可在计算复杂度较低的情况下得到较好的状态估计结果,便于在线计算；同开环控制、不带未知动态补偿的控制和只考虑未知动态补偿的控制相比,提出的基于模型在线更新的发酵过程NMPC/DC控制能很好的跟踪最优轨迹,具有更好的控制性能和鲁棒性。本文提出的基于模型在线更新的NMPC/DC系统具有坚实的理论基础,大幅度提高了控制系统鲁棒性和控制性能,为复杂非线性控制系统性能的提高提供了有效的途径,具有重要的指导意义,在化工、机电等复杂非线性领域有着广泛的应用前景。
杨新令[7]（2006）在《嗅觉系统神经网络模型研究及其在人工嗅觉与虹膜识别中的应用》文中认为本文对一种新的混沌神经网络——K系列模型的特性及其应用进行了研究。此系列模型基于大量的电生理实验,建立在神经元簇结构层次上,用来描述整个嗅觉系统各个层次上的电活动及电信号处理的过程。K系列模型中KⅢ模型是一个高维的混沌神经网络模型,它基于哺乳动物嗅觉神经系统的总体结构而建立,不仅可以模拟电生理实验中所得到的嗅觉系统的EEG数据,而且也具有一定的模式识别能力。在很大程度上,K系列模型也从非线性神经动力学的角度解释了嗅觉神经系统的信息处理机制。 在研究过程中,我们对K系列模型——包括K0,KⅠ,KⅡ和KⅢ模型,进行了数值模拟。从模拟结果可以看出,K系列模型可以很好的模拟嗅觉神经系统各个层次的电活动。与以往的人工神经网络不同的是,KⅢ网络是工作在混沌轨道上的,其对于信息模式的学习和记忆也是通过混沌吸引子来实现的。 在对KⅢ模型应用的研究中,本文将KⅢ模型应用于人工嗅觉和虹膜识别这两个模式识别领域。并且在人工嗅觉领域,基于KⅢ网络,我们建立了一个“电子鼻-脑”系统的原型。对KⅢ模型的性能,我们进行了与一些主流的模式识别方法的比较。其实验结果显示,KⅢ网络是一种较好的模式分类方法。 本文还进行将新的模式识别方法与KⅢ网络相结合的研究,成功的使用支持向量机（SVM）代替了KⅢ网络传统使用的欧氏距离分类器。并在对两类茶叶气味的分类中去的了比用欧氏距离分类器更好的效果。
林萍[8]（2004）在《独立元的实时算法分析》文中提出分析了独立元分析（ICA）的多种方法,并应用在声音信号处理中,对结果进行比较和讨论。最后提出实时算法的概念,并对负熵算法进行改进。实验证明,实时负熵算法不仅复杂度更低,而且能自适应学习,具有应用价值。
谭丽丽[9]（2001）在《语音信号盲分离算法的研究》文中研究指明盲分离技术是信号处理领域近十年来研究的热点问题，分为两大类：1)实时混合信号的盲分离；2)动态或者是卷积后混合信号的盲分离，包括盲解卷及盲识别等。信号的盲处理技术由于不要求已知信源及信道的先验知识，在无线通信、电话会议系统、医学分析、地理探测和图像增强、识别等方面有广泛的应用。 本文对盲分离理论及算法进行了深入的研究，包括实时混合信号以及卷积混合信号的盲分离问题。本文主要工作如下： （1）对于实时混合信号的盲分离，导出了一种基于二阶矩的新算法，该算法放宽了传统算法要求原始信号是相互独立（空间上相互独立）的假设条件，并且易于计算。实验表明，该算法可以在噪声和语音信号相关的情况下，有效地提取出语音信号； （2）对于实时混合信号的盲分离，导出了一种基于自然梯度的自适应盲分离算法。与以往的基于自然梯度的等变量（EASI）算法相比，新算法将EASI算法中要求输入信号的相关矩阵是单位阵的假设条件放宽为只要求信号的相关矩阵为对角阵，从而具有更广泛的应用范围。实验结果证实了新算法的有效性； （3）对于卷积后混合信号的盲分离，本文结合矩阵分析理论、随机自然梯度下降方法和高阶统计量提出了一种基于最小互信息量的单输入单输出盲解卷算法，以及基于最大熵和最小互信息量分离标准的两种多输入多输出盲分离算法。实验表明，最大熵和最小互信息量分离标准应用在卷积后混合信号的盲分离中，仍然可以有效地分离信号，算法在噪声存在情况下仍然有良好的分离效果； （4）对于卷积后混合信号的盲分离，以往的算法要求输入信号是独立同分布信号，而实际信号（如语音信号）不满足这个假设条件。本文结合多抽样率分析技术和线性预测技术，提出了一种新的盲识别算法和一种新的盲解卷算法。算法不要求原始信号的相邻采样点之间是相互独立的假设条件，因而具有更好的实用性。实验结果表明，在原始信号的相邻采样点之间存在相关性（即时间上不独立时），新算法比以往的算
二、独立元的实时算法分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、独立元的实时算法分析（论文提纲范文）
（1）城市轨道交通路网客流传播建模与限流策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 路网客流分布实证研究 |
| 1.2.2 路网客流动态性 |
| 1.2.3 客流流入控制方法 |
| 1.2.4 研究现状总结 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 城轨路网客流拥挤传播问题分析 |
| 2.1 含义及分类 |
| 2.2 路网客流拥挤的生命周期 |
| 2.3 路网客流拥挤传播的影响 |
| 2.4 路网客流拥挤传播的形成原因分析 |
| 2.5 常态高峰路网客流拥挤传播的典型场景分析 |
| 2.5.1 场景一:常态高峰下单一线路客流拥挤传播 |
| 2.5.2 场景二:常态高峰下换乘客流拥挤传播 |
| 2.6 本章小结 |
| 3 基于元胞自动机的城市轨道交通单一线路客流传播建模 |
| 3.1 建模分析 |
| 3.1.1 问题分析 |
| 3.1.2 建模思想 |
| 3.2 模型构建 |
| 3.3 案例研究 |
| 3.3.1 案例背景 |
| 3.3.2 数据输入 |
| 3.3.3 结果分析 |
| 3.4 本章小结 |
| 4 基于事件仿真的城市轨道交通路网客流传播建模 |
| 4.1 建模分析 |
| 4.2 模型构建 |
| 4.2.1 模型框架 |
| 4.2.2 网络拓扑建模方法 |
| 4.2.3 乘客出行路径选择及路径流计算 |
| 4.2.4 分流率定义及计算方法 |
| 4.2.5 演化子模型 |
| 4.3 案例研究 |
| 4.3.1 案例背景 |
| 4.3.2 网络构建 |
| 4.3.3 基础数据 |
| 4.3.4 分流率计算过程 |
| 4.3.5 仿真结果 |
| 4.4 本章小结 |
| 5 常态高峰下客流流入控制策略 |
| 5.1 常态高峰下路网客流流入控制概述 |
| 5.2 基于元胞自动机模型的限流策略制定 |
| 5.2.1 限流策略制定方法 |
| 5.2.2 案例研究 |
| 5.3 基于事件仿真模型的限流策略制定 |
| 5.3.1 基于事件仿真模型的优化模型 |
| 5.3.2 基于改进的粒子群算法的求解算法 |
| 5.3.3 案例研究 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 主要研究工作 |
| 6.2 论文的创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）语音信号的盲分离技术研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 盲源分离概述 |
| 1.1.1 盲源分离的概念 |
| 1.1.2 盲源分离的处理方法 |
| 1.2 研究背景及研究意义 |
| 1.3 研究现状及发展趋势 |
| 1.4 盲源分离的应用 |
| 1.5 本文主要工作 |
| 第二章 语音信号盲分离的理论基础 |
| 2.1 语音信号的前期分析 |
| 2.1.1 语音信号的短时时域分析 |
| 2.1.2 语音信号的短时频域分析 |
| 2.2 盲信号分离的数学基础 |
| 2.2.1 熵 |
| 2.2.2 K-L熵和互信息 |
| 2.2.3 负熵 |
| 2.2.4 高阶统计量 |
| 2.3 本章小结 |
| 第三章 盲源分离中的独立分量分析 |
| 3.1 语音数据预处理 |
| 3.1.1 主分量分析 |
| 3.1.2 语音信号的去均值 |
| 3.1.3 语音信号的白化 |
| 3.1.4 语音信号的正交化 |
| 3.2 ICA的独立性判断准则 |
| 3.2.1 基于极大似然估计的判断准则 |
| 3.2.2 基于互信息最小化的判断准则 |
| 3.2.3 基于信息最大化的判断准则 |
| 3.2.4 基于极大化非高斯性的判断准则 |
| 3.2.4.1 非高斯性的峭度度量法 |
| 3.2.4.2 非高斯性的负熵度量法 |
| 3.3 独立分量分析的传统算法 |
| 3.3.1 批处理算法 |
| 3.3.1.1 特征矩阵的联合近似对角化算法(JADE) |
| 3.3.1.2 四阶盲辨识算法(FOBI) |
| 3.3.2 自适应算法 |
| 3.3.2.1 随机梯度算法 |
| 3.3.2.2 自然梯度算法 |
| 3.3.2.3 等变量自适应分离算法(EASI) |
| 3.4 本章小结 |
| 第四章 语音信号盲分离算法研究 |
| 4.1 FastICA算法 |
| 4.1.1 基于峭度的FastICA算法 |
| 4.1.2 基于负熵的FastICA算法 |
| 4.1.3 基于似然度的FastICA算法 |
| 4.2 排序不确定性 |
| 4.2.1 排序不确定性问题 |
| 4.2.2 频域相关性度量 |
| 4.2.3 排序算法研究 |
| 4.2.4 排序算法仿真结果分析 |
| 4.3 幅度不确定性 |
| 4.3.1 幅度不确定性问题 |
| 4.3.2 幅度不确定性的消除方法 |
| 4.3.2.1 最小失真法 |
| 4.3.2.2 分离矩阵归一化法 |
| 4.3.3 两种幅度不确定性消除方法的仿真结果分析 |
| 4.4 本章小结 |
| 第五章 语音信号盲分离在麦克风阵列中的应用 |
| 5.1 超定语音盲分离 |
| 5.1.1 基本问题概述 |
| 5.1.2 系统处理方案 |
| 5.1.3 仿真结果分析 |
| 5.2 欠定语音盲分离 |
| 5.2.1 基本问题概述 |
| 5.2.2 幅度衰减矩阵估计 |
| 5.2.3 延时矩阵估计 |
| 5.2.4 源信号估计 |
| 5.2.5 仿真结果分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间研究成果 |
（3）单导联和多导联环境下胎儿心电分离算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 本课题的研究背景和意义 |
| 1.2 国内外研究发展现状 |
| 1.2.1 自适应噪声抵消器 |
| 1.2.2 相关运算法 |
| 1.2.3 奇异值分解法 |
| 1.2.4 神经网络和支持向量机 |
| 1.2.5 盲源分离 |
| 1.3 论文主要研究内容 |
| 1.4 本论文的组织结构 |
| 第2章 独立分量分析理论基础 |
| 2.1 独立分量分析的数学模型和原理 |
| 2.2 独立分量分析的相关理论基础 |
| 2.2.1 统计理论基础 |
| 2.2.2 信息论基础 |
| 2.3 独立分量分析的目标函数 |
| 2.3.1 互信息极小化准则(Minimization of Mutual Information，MMI) |
| 2.3.2 信息极大化准则(Informax) |
| 2.3.3 极大似然准则(Maximum Likelihood Estimation，MLE) |
| 2.3.4 非高斯性判据 |
| 2.4 独立分量分析的优化算法 |
| 2.4.1 批处理算法 |
| 2.4.2 自适应算法 |
| 2.5 独立分量分析的预处理 |
| 2.5.1 信号的去均值 |
| 2.5.2 信号的白化 |
| 第3章 基于小波变换和 ICA 的多导联环境下胎儿心电信号提取算法 |
| 3.1 基于自然梯度的信息极大化算法 |
| 3.2 传统 Informax 算法性能仿真实验 |
| 3.3 结合小波变换的独立分量提取算法 |
| 3.3.1 小波变换 |
| 3.3.2 噪声背景下的 ICA 模型 |
| 3.3.3 结合小波变换的独立分量分析算法 |
| 3.4 多导联胎儿心电信号提取实验 |
| 3.4.1 实验数据 |
| 3.4.2 模拟心电信号中的胎儿心电信号提取实验 |
| 3.4.3 临床混合信号中提取胎儿心电信号实验 |
| 3.5 本章小结 |
| 第4章 基于奇异值分解和神经网络的单导联胎儿心电信号提取算法 |
| 4.1 奇异值分解和奇异值比例频谱 |
| 4.2 人工神经网络 |
| 4.2.1 神经元基本结构模型 |
| 4.2.2 神经网络的分类 |
| 4.2.3 径向基函数神经网络简介 |
| 4.3 基于 SVD 和 RBF 神经网络的胎儿心电提取方法 |
| 4.4 单导联胎儿心电信号提取实验 |
| 4.4.1 模拟信号提取实验 |
| 4.4.2 实际临床数据提取实验 |
| 4.5 本章小结 |
| 第5章 总结和展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（4）胎儿心电信号采集及基于盲信号理论的胎儿心电信号提取研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 本课题的研究背景和意义 |
| 1.1.1 胎儿监护的发展历史与技术演进 |
| 1.1.2 胎心率检测 |
| 1.1.3 侵入式胎儿心电检测 |
| 1.1.4 非侵入胎儿心电检测 |
| 1.2 当前胎儿心电采集设备 |
| 1.3 胎儿心电信号提取技术 |
| 1.3.1 胎儿心电信号提取方法概况 |
| 1.3.2 盲源信号分离应用于胎儿心电提取 |
| 1.4 胎儿心电提取的发展趋势 |
| 1.5 本课题研究内容及结构安排 |
| 第二章 胎儿心电研究 |
| 2.1 胎儿心脏 |
| 2.1.1 胎儿心脏发育 |
| 2.1.2 胎儿心脏结构 |
| 2.2 胎儿心电传播影响因素 |
| 2.2.1 传播介质 |
| 2.2.2 胎位 |
| 2.3 胎儿心电形成和标记 |
| 2.3.1 胎儿心脏的电活动 |
| 2.3.2 胎儿心电的标记 |
| 2.4 胎儿心电诊断 |
| 2.4.1 头皮电极法胎儿心电诊断 |
| 2.4.2 胎儿心电诊断的困境 |
| 2.5 当前面临的挑战与未来可能性 |
| 2.5.1 干扰和噪声 |
| 2.5.2 心电数据库 |
| 2.5.3 建议与未来的可能性 |
| 2.6 本章小结 |
| 第三章 胎儿心电采集系统 |
| 3.1 系统总体设计概要 |
| 3.1.1 导联位置 |
| 3.1.2 系统设计框图 |
| 3.1.3 胎儿心电信号采集系统设计要求 |
| 3.1.4 系统抗干扰性能 |
| 3.2 模拟电路设计 |
| 3.2.1 电极与皮肤接触的建模 |
| 3.2.2 导联输入滤波和保护电路 |
| 3.2.3 前置放大电路 |
| 3.2.4 右腿驱动放大电路 |
| 3.2.5 电缆屏蔽驱动 |
| 3.2.6 陷波(50Hz)电路 |
| 3.2.7 后级信号处理电路 |
| 3.2.8 模拟信号调理电路与数字电路隔离处理 |
| 3.3 ADC 电路 |
| 3.3.1 ADC 有效位数 |
| 3.3.2 Delta-Sigma ( ) ADC |
| 3.3.3 Delta-Sigma 调制器工作原理 |
| 3.3.4 Delta-Sigma ADC 选型 |
| 3.3.5 ADS1254 的静态与动态评估 |
| 3.4 PCB 设计 |
| 3.5 本章小结 |
| 第四章 盲信号分离理论 |
| 4.1 盲源分离 |
| 4.1.1 信号处理中的多源多传感器问题 |
| 4.1.2 线性瞬时混合模型中源信号混合与分离 |
| 4.2 盲源信号分离与独立分量分析的关系 |
| 4.3 盲源分离的发展历史 |
| 4.3.1 盲源分离问题的提出 |
| 4.3.2 盲源分离算法的发展 |
| 4.3.3 盲信号处理的国际和国内研究 |
| 4.4 瞬时混合盲分离算法综述 |
| 4.4.1 源信号及混合系统的性质 |
| 4.4.2 盲源信号分离算法的分类 |
| 4.5 基于二阶统计量的瞬时混合盲分离算法 |
| 4.5.1 信号白化预处理 |
| 4.5.2 AMUSE 算法 |
| 4.5.3 广义特征值分解算法(GED) |
| 4.5.4 SOBI 算法 |
| 4.5.5 基于二阶统计量及源信号非平稳性的 BSS 算法 |
| 4.6 本章小结 |
| 第五章 基于二阶统计量的胎儿心电盲抽取方法 |
| 5.1 实验数据 |
| 5.2 Barros 算法以及改进 |
| 5.2.1 Barros 提出的算法 |
| 5.2.2 有噪混合模型的改进 |
| 5.2.3 对时延估计的改进 |
| 5.2.4 加窗函数改进 |
| 5.3 自相关方法及其改进 |
| 5.3.1 特征值分解法 |
| 5.3.2 有噪模型改进 |
| 5.3.3 加窗函数改进 |
| 5.4 斜投射方法及其改进 |
| 5.4.1 斜投射方法 |
| 5.4.2 周期变动情况算法改进 |
| 5.4.3 基于循环平稳性质的改进 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（5）视频图像中运动目标跟踪技术研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 目标跟踪技术国内外研究现状 |
| 1.2.1 国内外研究机构 |
| 1.2.2 目标跟踪算法综述 |
| 1.3 目标跟踪的难点 |
| 1.4 论文的主要工作及章节安排 |
| 2 粒子滤波算法理论及应用 |
| 2.1 引言 |
| 2.2 贝叶斯滤波原理 |
| 2.3 蒙特卡罗方法 |
| 2.4 PSO 算法 |
| 2.5 粒子滤波基本原理 |
| 2.5.1 贝叶斯重要性采样 |
| 2.5.2 序列重要性采样 |
| 2.5.3 粒子退化 |
| 2.5.4 标准粒子滤波流程 |
| 2.6 粒子滤波在目标跟踪中的应用 |
| 2.6.1 动态模型 |
| 2.6.2 观测模型 |
| 2.6.3 目标定位 |
| 2.6.4 粒子重采样 |
| 2.7 本章小结 |
| 3 基于协方差矩阵的目标跟踪算法 |
| 3.1 引言 |
| 3.2 基于协方差矩阵的目标跟踪 |
| 3.2.1 目标的协方差矩阵表示 |
| 3.2.2 积分图法计算目标协方差矩阵 |
| 3.2.3 协方差矩阵间距离 |
| 3.2.4 改进的目标的协方差矩阵表示 |
| 3.2.5 模板更新 |
| 3.2.6 跟踪算法流程 |
| 3.3 实验结果及分析 |
| 3.4 本章小结 |
| 4 遮挡情况下的目标跟踪 |
| 4.1 引言 |
| 4.2 SURF 匹配原理 |
| 4.2.1 特征点检测 |
| 4.2.2 特征描述 |
| 4.2.3 特征匹配 |
| 4.3 基于目标SURF 匹配的目标跟踪 |
| 4.3.1 剔除误匹配 |
| 4.3.2 目标仿射变换 |
| 4.3.3 目标定位 |
| 4.3.4 SURF 模板更新 |
| 4.4 遮挡情况下的目标跟踪 |
| 4.5 实验结果及分析 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 作者在攻读硕士学位期间参加的科研项目目录 |
（6）发酵过程混合建模及带动态补偿的非线性预测控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 非模型化的发酵过程控制 |
| 1.2 基于线性或可线性化模型的发酵过程控制 |
| 1.3 基于特殊非线性模型的发酵过程控制 |
| 1.4 基于非线性模型的发酵过程控制 |
| 1.4.1 发酵过程建模 |
| 1.4.2 发酵过程非线性鲁棒控制 |
| 1.4.3 发酵过程非线性预测控制 |
| 1.4.4 发酵过程非线性自适应控制 |
| 1.4.5 发酵过程其它控制方法 |
| 1.5 课题的研究意义及主要研究内容 |
| 1.5.1 课题的研究意义 |
| 1.5.2 主要研究内容 |
| 第二章 带未知动态的非线性系统理论研究 |
| 2.1 引言 |
| 2.2 带未知动态的非线性系统混合状态空间模型 |
| 2.3 带动态补偿的自适应非线性模型预测控制 |
| 2.3.1 基于(?)_2/(?)_∞混合优化的非线性模型预测控制 |
| 2.3.2 带动态补偿的输出反馈非线性模型预测控制 |
| 2.3.3 基于环路传递复现的非线性二次调节器结构 |
| 2.4 小结 |
| 第三章 基于核方法的系统在线建模方法研究 |
| 3.1 引言 |
| 3.2 统计学习理论 |
| 3.3 支持向量机回归建模的几何方法研究 |
| 3.3.1 SVM分类问题的几何形式 |
| 3.3.2 SVM回归问题的几何解释 |
| 3.3.3 基于几何方法的SVM快速建模算法 |
| 3.4 基于核方法的未知动态估计方法研究 |
| 3.4.1 基于KICA的未知状态盲分解 |
| 3.4.2 基于RLS-SVM的未知状态估计 |
| 3.5 小结 |
| 第四章 基于滤波器的输出反馈自适应控制器设计方法 |
| 4.1 引言 |
| 4.2 基于混合模型结构的自适应建模流程 |
| 4.2.1 在线建模的连续更新与批次更新策略 |
| 4.2.2 Bayes滤波框架与抗差方法 |
| 4.3 基于滤波器的非线性二次调节环路传递再现控制器设计方法 |
| 4.3.1 基于抗差扩展Kalman滤波的实现方法 |
| 4.3.2 高斯扰动下基于抗差不敏Kalman滤波的实现方法 |
| 4.3.3 非高斯扰动下基于不敏粒子滤波的实现方法 |
| 4.4 带动态补偿的流加发酵过程自适应输出反馈预测控制算法 |
| 4.4.1 基于抗差不敏Kalman滤波的动态补偿NQG/LTR算法 |
| 4.4.2 基于不敏粒子滤波的动态补偿NQR/LTR算法 |
| 4.5 小结 |
| 第五章 带未知动态的非线性预测控制在发酵过程中的应用 |
| 5.1 引言 |
| 5.2 青霉素发酵过程 |
| 5.3 青霉素流加发酵过程建模 |
| 5.3.1 微生物流加发酵过程 |
| 5.3.2 青霉素发酵过程机理模型 |
| 5.4 青霉素流加发酵过程控制仿真实验 |
| 5.4.1 发酵过程快速建模 |
| 5.4.2 发酵过程状态估计 |
| 5.4.3 未知动态估计 |
| 5.4.4 带动态补偿的发酵过程自适应预测控制 |
| 5.5 小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻博期间完成的论文和参加的科研项目 |
| 作者和导师简介 |
| 北京化工大学博士研究生学位论文答辩委员会决议书 |
（7）嗅觉系统神经网络模型研究及其在人工嗅觉与虹膜识别中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 神经科学研究背景 |
| 1.1.1 神经信息学 |
| 1.1.2 嗅觉神经系统 |
| 1.2 本课题研究内容概览 |
| 第二章 嗅觉系统生理构造 |
| 2.1 嗅觉系统生理结构 |
| 2.1.1 嗅上皮(Olfaetory Epithelium,DE) |
| 2.1.2 嗅球层(Olfactory Bulb,OB) |
| 2.1.3 嗅皮层(Olfactory Cortex,OC) |
| 2.2 关于嗅觉系统的模型的研究现状 |
| 第三章 K系列模型 |
| 3.1 K系列模型的数学基础 |
| 3.2 KO模型 |
| 3.3 KⅠ模型 |
| 3.4 KⅡ模型 |
| 3.5 KⅢ模型 |
| 3.5.1 嗅觉系统的拓扑结构图 |
| 3.5.2 KⅢ模型的拓扑结构 |
| 3.5.3 KⅢ模型的仿真 |
| 3.5.4 KⅢ模型的随机混沌 |
| 第四章 K系列模型在人工嗅觉上的应用 |
| 4.1 模式识别与人工嗅觉概述 |
| 4.1.1 模式识别概述 |
| 4.1.2 人工嗅觉概述 |
| 4.2 KⅢ模型的学习识别算法 |
| 4.2.1 学习规则 |
| 4.2.2 学习规则 |
| 4.2.3 识别算法 |
| 4.3 KⅢ模型对简单气体识别的应用 |
| 4.3.1 对两种简单气体的识别 |
| 4.3.2 对三种简单气体的识别 |
| 4.3.3 对简单气体识别的进一步分析 |
| 4.4 KⅢ模型对茶叶气味识别的应用 |
| 4.2.1 对红茶和绿茶的识别 |
| 4.2.2 对四种不同茶叶的识别 |
| 第五章 K系列模型在虹膜识别上的应用 |
| 5.1 虹膜识别简介 |
| 5.2 虹膜数据的处理方法 |
| 5.2.1 虹膜图像的分割定位 |
| 5.2.2 虹膜图像的标准化 |
| 5.3 KⅢ网络识别虹膜数据的结果 |
| 第六章 K系列模型识别算法的研究 |
| 6.1 KⅢ模型与其他算法的比较 |
| 6.1.1 几种其他算法的简介 |
| 6.1.2 KⅢ模型与其他算法的比较 |
| 6.2 在KⅢ模型引入其他算——SVM与KⅢ网络相结合 |
| 第七章 结论与展望 |
| 7.1 K系列模型研究的结论 |
| 7.2 K系列模型研究的最新成果和应用前景 |
| 参考文献： |
| 硕士在读期间参与的项目与发表的文章： |
| 致谢： |
| 独创性声明 |
| 学位论文版权使用授权书 |
（8）独立元的实时算法分析（论文提纲范文）
| 引言 |
| 1 独立元分析 |
| 1.1 负熵算法 |
| 1.2 实时负熵算法 |
| 2 展望 |
（9）语音信号盲分离算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| Contents |
| 第一章 绪论 |
| 1.1 研究背景及其意义 |
| 1.2 盲分离算法的发展现状 |
| 1.2.1 实时混合信号的盲分离算法存在的问题 |
| 1.2.2 卷积后混合信号的盲分离算法存在的问题 |
| 1.3 本文主要研究内容及章节安排 |
| 第二章 实时混合信号的盲分离算法的可行性分析 |
| 2.1 数学模型 |
| 2.2 盲分离问题的可分离性 |
| 2.2.1 基本定义及定理 |
| 2.2.2 可分离性的充分必要条件 |
| 2.2.3 正交变换对可分离性的影响 |
| 2.3 盲分离问题的分离原则 |
| 2.3.1 基本定理 |
| 2.3.2 m=n的情况 |
| n的情况'>2.3.3 m>n的情况 |
| 2.4 盲分离算法在语音增强中的应用 |
| 2.4.1 多路未知信号提取算法(AMUSE) |
| 2.4.2 一种新的盲分离算法对噪声与信号相关情况下的语音增强 |
| 2.5 小结 |
| 第三章 实时混合信号的自适应盲分离算法 |
| 3.1 引言 |
| 3.2 基于神经网络结构的自适应盲分离算法 |
| 3.3 独立元分析算法(ICA) |
| 3.3.1 ICA定义及性质 |
| 3.3.2 ICA与PCA的联系和区别 |
| 3.3.3 实用的ICA算法 |
| 3.4 随机自然梯度自适应盲分离算法 |
| 3.4.1 信息几何理论 |
| 3.4.2 等变量自适应分离算法(EASI) |
| 3.5 一种新的基于自然梯度的自适应盲分离算法 |
| 3.5.1 算法推导 |
| 3.5.2 实验仿真 |
| 3.6 小结 |
| 第四章 卷积后混合信号的可分离性及分离算法 |
| 4.1 引言 |
| 4.2 卷积混合信号的可分离性 |
| 4.2.1 数学模型 |
| 4.2.2 可分离性探讨 |
| 4.3 盲识别算法 |
| 4.3.1 系统模型 |
| 4.3.2 系统识别方法 |
| 4.3.3 盲识别算法 |
| 4.4 盲解卷算法 |
| 4.4.1 算法结构 |
| 4.4.2 解卷性能标准 |
| 4.5 小结 |
| 第五章 基于信息几何理论的卷积后混合信号盲分离新算法 |
| 5.1 引言 |
| 5.2 信息几何理论在盲分离问题中应用的可行性讨论 |
| 5.2.1 最大熵(ME)算法 |
| 5.2.2 最小互信息量(MMI)算法 |
| 5.2.3 ME和MMI算法的性能比较 |
| 5.3 最小互信息量用于单输入单输出的盲解卷问题 |
| 5.3.1 算法原理 |
| 5.3.2 算法实现 |
| 5.3.3 算法分析 |
| 5.3.4 实验仿真 |
| 5.4 卷积后混合信号的最大熵(ME)盲分离算法 |
| 5.4.1 算法原理 |
| 5.4.2 实验仿真 |
| 5.5 卷积后混合信号的最小互信息量(MMI)盲分离算法 |
| 5.5.1 算法原理 |
| 5.5.2 算法性能分析 |
| 5.5.3 实验仿真 |
| 5.6 小结 |
| 第六章 基于多抽样率分析技术的卷积后混合信号盲分离新算法 |
| 6.1 信号的多抽样率分析 |
| 6.2 基于多抽样率分析的一种盲识别新算法 |
| 6.2.1 算法模型 |
| 6.2.2 算法原理 |
| 6.2.3 实验仿真 |
| 6.3 基于多抽样率分析的一种盲解卷新算法 |
| 6.3.1 算法原理 |
| 6.3.2 实验仿真 |
| 6.4 小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
四、独立元的实时算法分析（论文参考文献）
- [1]城市轨道交通路网客流传播建模与限流策略研究[D]. 黄文慧. 北京交通大学, 2017(06)
- [2]语音信号的盲分离技术研究及应用[D]. 赵梦逸. 电子科技大学, 2014(03)
- [3]单导联和多导联环境下胎儿心电分离算法研究[D]. 占海龙. 杭州电子科技大学, 2014(08)
- [4]胎儿心电信号采集及基于盲信号理论的胎儿心电信号提取研究[D]. 谭越. 华南理工大学, 2012(02)
- [5]视频图像中运动目标跟踪技术研究[D]. 胡志明. 重庆大学, 2011(01)
- [6]发酵过程混合建模及带动态补偿的非线性预测控制方法研究[D]. 冯絮影. 北京化工大学, 2010(10)
- [7]嗅觉系统神经网络模型研究及其在人工嗅觉与虹膜识别中的应用[D]. 杨新令. 浙江大学, 2006(09)
- [8]独立元的实时算法分析[J]. 林萍. 山西电子技术, 2004(06)
- [9]语音信号盲分离算法的研究[D]. 谭丽丽. 华南理工大学, 2001(11)