第1章 緒論
1.1 盲信號(hào)處理
1.1.1 映射和逆映射
1.1.2 卷積和解卷積
1.1.3 盲信號(hào)處理的基本問題

1.2 盲信源分離
1.2.1 盲信源分離的數(shù)學(xué)描述
1.2.2 盲信源分離研究之進(jìn)展

1.3 盲信道均衡
1.3.1 盲信道均衡的數(shù)學(xué)描述
1.3.2 盲信道均衡研究之進(jìn)展

1.4 自適應(yīng)濾波
1.4.1 傳統(tǒng)自適應(yīng)濾波器
1.4.2 監(jiān)督和無監(jiān)督自適應(yīng)濾波器

1.5 無監(jiān)督自適應(yīng)濾波的三種基本方法
1.5.1 Bussgang統(tǒng)計(jì)算法
1.5.2 高階統(tǒng)計(jì)量方法
1.5.3 信息理論方法
1.6 本書各章內(nèi)容概要

第2章 盲信號(hào)處理的理論基礎(chǔ)
2.1 熵和信息
2.1.1 熵
2.1.2 K-L熵和互信息
2.1.3 負(fù)熵
2.1.4 可逆的概率密度變換

2.2 高階統(tǒng)計(jì)量
2.3 自組織神經(jīng)網(wǎng)絡(luò)
2.3.1 線性自組織
2.3.2 非線性自組織
2.4 遞歸網(wǎng)絡(luò)

2.5 標(biāo)準(zhǔn)梯度自適應(yīng)
2.5.1 參數(shù)和代價(jià)函數(shù)
2.5.2 最陡下降法
2.5.3 統(tǒng)計(jì)梯度下降法
2.5.4 最陡下降法的行為

2.6 自然梯度自適應(yīng)
2.6.1 歐氏幾何和黎曼幾何
2.6.2 自然梯度下降法
2.6.3 自然梯度與其他算法的關(guān)系

2.7 自然梯度模擬實(shí)例
2.7.1 噪聲正弦函數(shù)的最大似然估計(jì)
2.7.2 單層感知機(jī)訓(xùn)練

2.8 主元分析法
2.8.1 特征值分解
2.8.2 第一主元估計(jì)學(xué)習(xí)算法
2.8.3 幾個(gè)主元自適應(yīng)提取算法

第3章 盲信源分離
3.1 直觀理解盲信源分離
3.2 獨(dú)立元分析概述
3.2.1 獨(dú)立元分析基礎(chǔ)
3.2.2 與ICA有關(guān)的模糊性

3.3 利用神經(jīng)網(wǎng)絡(luò)的獨(dú)立元分析
3.3.1 預(yù)白化過程
3.3.2 分離過程
3.3.3 ICA基矢量的估計(jì)

3.4 ICA的對(duì)比函數(shù)
3.4.1 無噪線性混合的ICA
3.4.2 基于似然性的對(duì)比函數(shù)
3.4.3 基于互信息的對(duì)比函數(shù)
3.4.4 基于信息最大化的對(duì)比函數(shù)
3.4.5 基于統(tǒng)計(jì)量的對(duì)比函數(shù)

3.5 ICA估計(jì)的非高斯性
3.5.1 非高斯即獨(dú)立
3.5.2 非高斯性的峭度度量法
3.5.3 非高斯性的負(fù)熵度量法

3.6 盲信源分離的有效算法
3.6.1 最大熵方法
3.6.2 最小互信息方法
3.6.3 自然梯度學(xué)習(xí)算法的等價(jià)變化性
3.6.4 通信信號(hào)盲分離仿真
3.6.5 語(yǔ)音信號(hào)盲分離仿真
3.6.6 ICA的快速定點(diǎn)算法
3.6.7 圖像信號(hào)盲分離仿真

3.7 峭度自適應(yīng)學(xué)習(xí)率的盲信源分離算法
3.7.1 盲信源分離算法學(xué)習(xí)率討論
3.7.2 峭度自適應(yīng)學(xué)習(xí)率的盲信源分離算法
3.7.3 計(jì)算機(jī)仿真

3.8 信源信號(hào)的盲抽取
3.8.1 單個(gè)源信號(hào)抽取方法
3.8.2 一組信源的盲抽取

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 均衡器結(jié)構(gòu)
4.1.4 基于訓(xùn)練的自適應(yīng)均衡
4.1.5 盲自適應(yīng)均衡

4.2 同態(tài)濾波盲均衡
4.3 數(shù)字通信信道的盲均衡
4.3.1 LMS盲均衡
4.3.2 二進(jìn)制數(shù)字信號(hào)的均衡

4.4 基于高階統(tǒng)計(jì)量的均衡
4.4.1 基于高階倒譜的盲均衡
4.4.2 二倒譜
4.4.3 三倒譜

4.5 基于碼元間隔的恒模算法
4.5.1 信道均衡的條件
4.5.2 恒模算法
4.5.3 修正恒模算法
4.5.4 仿真實(shí)驗(yàn)和性能比較
4.5.5 MCMA頻率選擇性信道盲均衡性能分析

4.6 基于分?jǐn)?shù)間隔的恒模算法
4.6.1 分?jǐn)?shù)間隔采樣對(duì)盲均衡的意義
4.6.2 單輸人多輸出模型
4.6.3 分?jǐn)?shù)間隔的修正恒模算法
4.6.4 計(jì)算機(jī)仿真實(shí)驗(yàn)
4.6.5 采樣時(shí)間偏移量的影響

第5章 盲分離和盲均衡之間的關(guān)系
5.1 問題描述
5.1.1 源分離
5.1.2 解卷積
5.1.3 附加信息
5.1.4 比較

5.2 算法關(guān)系
5.2.1 估計(jì)模型的選擇
5.2.2 代價(jià)函數(shù)的選擇
5.2.3 自適應(yīng)算法的選擇

5.3 基于多用戶峭度優(yōu)化準(zhǔn)則的獨(dú)立信號(hào)的盲分離
5.3.1 問題形成和假設(shè)
5.3.2 單用戶均衡問題回顧
5.3.3 關(guān)于BSS的充分必要條件
5.3.4 MU-CM方法

5.4 盲信源分離學(xué)習(xí)算法擴(kuò)展到多信道盲解卷
5.4.1 各種方法的代數(shù)等價(jià)性
5.4.2 卷積作為乘法運(yùn)算
5.4.3 多信道盲解卷的自然梯度學(xué)習(xí)規(guī)則
5.4.4 多信道盲解卷算法
5.4.5 多信道盲解卷算法的實(shí)現(xiàn)
5.5 盲信號(hào)處理的一些相關(guān)問題
參考文獻(xiàn)