近年來，盲信號處理的新概念、新技術(shù)迅速發(fā)展。盲信源分離和盲信道均衡是信號處理的兩項重要任務(wù)。盲信源分離技術(shù)可以應(yīng)用于陣列信號處理、醫(yī)學(xué)信號處理、語音信號處理、圖像信號處理以及其他信號處理領(lǐng)域。盲信道均衡的一個重要應(yīng)用是恢復(fù)因信號通過信道傳輸而產(chǎn)生的失真信號，在數(shù)字通信中，以盲的方式消除碼間干擾。
盡管盲信源分離和盲信道均衡以各自獨立的模式發(fā)展，但是事實上它們之間具有密切的關(guān)系�！睹ば盘柼幚砘A(chǔ)及其應(yīng)用》共分5章：第1章介紹盲信號處理；第2章提供盲信號處理的理論基礎(chǔ)；第3章研究盲信源分離；第4章考慮盲信道均衡；第5章討論盲信源分離和盲信道均衡之間的關(guān)系。
《盲信號處理基礎(chǔ)及其應(yīng)用》可作為從事信號處理、圖像處理、通信和計算機專業(yè)的高年級本科生和研究生的參考書，也可供相關(guān)領(lǐng)域的科研人員參考。
《盲信號處理基礎(chǔ)及其應(yīng)用》系統(tǒng)地介紹了盲信號處理的基本原理，國內(nèi)出版的一些書中只是把盲信號處理作為個別章節(jié)加以介紹，《盲信號處理基礎(chǔ)及其應(yīng)用》可以作為信號處理專業(yè)選修課教材使用；國外出版的同類書，起點過高，論述生澀，不便于初學(xué)者入門，《盲信號處理基礎(chǔ)及其應(yīng)用》將盲信號處理基本原理和實際應(yīng)用相結(jié)合，有助于提高讀者的興趣，是進入該領(lǐng)域研究的理想?yún)⒖紩? 《盲信號處理基礎(chǔ)及其應(yīng)用》內(nèi)容結(jié)構(gòu)合理，論述循序漸進，特別是盲信源分離和盲信道均衡的一些應(yīng)用實例有利于啟發(fā)讀者聯(lián)系實際，解決具體問題。
第1章 緒論
1.1 盲信號處理
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)計算法
1.5.2 高階統(tǒng)計量方法
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)和代價函數(shù)
2.5.2 最陡下降法
2.5.3 統(tǒng)計梯度下降法
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 自然梯度模擬實例
2.7.1 噪聲正弦函數(shù)的最大似然估計
2.7.2 單層感知機訓(xùn)練
2.8 主元分析法
2.8.1 特征值分解
2.8.2 第一主元估計學(xué)習(xí)算法
2.8.3 幾個主元自適應(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 獨立元分析概述
3.2.1 獨立元分析基礎(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
3.4 ICA的對比函數(shù)
3.4.1 無噪線性混合的ICA
3.4.2 基于似然性的對比函數(shù)
3.4.3 基于互信息的對比函數(shù)
3.4.4 基于信息最大化的對比函數(shù)
3.4.5 基于統(tǒng)計量的對比函數(shù)
3.5 ICA估計的非高斯性
3.5.1 非高斯即獨立
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)算法的等價變化性
3.6.4 通信信號盲分離仿真
3.6.5 語音信號盲分離仿真
3.6.6 ICA的快速定點算法
3.6.7 圖像信號盲分離仿真
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 計算機仿真
3.8 信源信號的盲抽取
3.8.1 單個源信號抽取方法
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 二進制數(shù)字信號的均衡
4.4 基于高階統(tǒng)計量的均衡
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 仿真實驗和性能比較
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 計算機仿真實驗
4.6.5 采樣時間偏移量的影響
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 估計模型的選擇
5.2.2 代價函數(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)則的獨立信號的盲分離
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)算法擴展到多信道盲解卷
5.4.1 各種方法的代數(shù)等價性
5.4.2 卷積作為乘法運算
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現(xiàn)
5.5 盲信號處理的一些相關(guān)問題
參考文獻
書單推薦
