《通信中盲信号处理理论与技术（下册）》求取 ⇩

第四篇盲信号检测技术327

第7章盲突发信号检测技术327

7.1盲突发信号检测概述327

7.2盲突发信号检测技术328

7.2.1盲突发信号能量检测方法328

7.2.2基于多分辨分析的盲突发信号检测330

7.2.3盲突发信号参数检测335

7.3盲跳频信号检测345

7.3.1盲跳频信号检测的一般方法346

7.3.2单序列盲跳频信号检测算法354

7.3.3多序列盲跳频信号检测算法369

第8章盲隐藏信号检测技术381

8.1盲隐藏信号检测概述381

8.2盲扩频信号检测381

8.2.1直接序列扩频信号的低检测性特点381

8.2.2盲扩频信号检测技术383

8.3盲混合信号检测398

8.3.1盲对称混合信号检测399

8.3.2基于累积量和似然特征结合的盲对称混合信号检测405

8.3.3基于累积量和谱线特征结合的盲对称混合信号检测414

8.3.4基于信噪比估计的盲非对称混合信号检测418

8.3.5基于时频域特征结合的盲非对称混合信号检测422

参考文献431

第五篇盲信源分离技术435

第9章正定条件下混合信号盲源分离技术435

9.1正定条件下混合信号盲源分离概述435

9.1.1混合信号盲源分离的模型与定义435

9.1.2正定条件下混合信号盲源分离的应用439

9.2正定条件下混合信源数估计440

9.2.1矩阵分解法440

9.2.2基于信息论准则的算法442

9.2.3基于盖尔圆准则的算法444

9.3独立性准则449

9.3.1互信息最小化准则（MMI）449

9.3.2信息最大化准则（Infomax）451

9.3.3非高斯最大化准则452

9.4正定条件下盲源分离算法453

9.4.1联合对角化算法（JADE）454

9.4.2信息最大化算法（Infomax）456

9.4.3等变自适应分解算法（EASI）458

9.4.4固定点算法（FastICA）459

9.5小结462

第10章欠定条件下混合信号盲源分离技术463

10.1欠定条件下混合信号盲源分离概述463

10.2欠定条件下混合信源数估计463

10.2.1基于稀疏性的方法463

10.2.2基于空间虚拟延迟抽头的方法469

10.2.3基于高阶累积量的方法473

10.3典型欠定条件下盲源分离算法478

10.3.1基于比率矩阵聚类的欠定盲源分离算法479

10.3.2基于检索平均的欠定盲源分离算法485

10.4小结490

第11章单通道混合信号盲源分离技术491

11.1单通道混合信号盲源分离概述491

11.1.1单通道盲源分离的模型与定义491

11.1.2单通道盲源分离的理论解释496

11.2单通道盲源分离的性能界503

11.2.1符号估计的性能界——联合界503

11.2.2参数估计的性能界——克拉美罗界509

11.2.3参数对分离性能的影响512

11.3基于粒子滤波的混合信号盲分离517

11.3.1粒子滤波算法的基本原理518

11.3.2相同符号速率下的盲分离525

11.3.3不同符号速率下的盲分离532

11.3.4用过采样提高盲分离性能537

11.4基于PSP的混合信号盲分离539

11.4.1PSP算法的基本原理540

11.4.2 PSP用于混合信号盲分离545

11.4.3 PSP盲分离的软输出计算549

11.4.4自适应减少留存路径数的PSP盲分离553

11.4.5能提供软输出的减路径盲分离559

11.5小结562

参考文献564

第六篇盲信源恢复技术569

第12章基于信号结构的盲信源恢复技术569

12.1基于信号结构的盲信源恢复技术概述569

12.2基于群路信号结构的盲源恢复技术570

12.2.1误码对群路信号的影响570

12.2.2基于群路信号帧结构的盲信源恢复575

12.3基于IP信号结构的盲信源恢复技术583

12.3.1基于IPv4协议结构的盲信源恢复模型584

12.3.2基于IPv4协议结构的盲信源恢复技术588

12.4基于编码信号结构的盲信源恢复技术590

12.4.1结合HDLC帧结构的盲信源恢复技术591

12.4.2结合扰码结构的盲信源恢复技术594

第13章压缩数据的盲信源恢复技术601

13.1压缩数据的盲信源恢复概述601

13.1.1压缩数据的盲信源恢复技术背景601

13.1.2数据压缩方法简述602

13.2压缩信源可容错性分析612

13.2.1压缩数据可容错的直观理解612

13.2.2压缩数据可容错的熵估计612

13.2.3压缩信源可容错性的实验结果与分析614

13.3压缩信源中的误码传播分析616

13.3.1LZ77算法编译码基本方法617

13.3.2 LZ77算法误码传播分析618

13.3.3实验结果与讨论621

13.4基于特征和内容联合容错的盲信源恢复技术622

13.4.1基于特征和内容联合容错算法概述622

13.4.2基于特征的容错译码算法624

13.4.3前向容错译码算法624

13.4.4反馈容错译码算法632

13.4.5实验与结果分析635

参考文献639

第七篇盲信息辨识技术640

第14章盲信号特征辨识技术640

14.1盲信号特征辨识技术概述640

14.2信号指纹特征产生机理642

14.2.1辐射源信号指纹的来源642

14.2.2正交调制误差643

14.2.3频率源的相位噪声643

14.2.4功放的非线性误差645

14.2.5瞬态响应647

14.2.6发射通路等效滤波器649

14.2.7其他发射机非理想特性649

14.3辐射源指纹特征提取技术650

14.3.1指纹特征的一般性要求650

14.3.2基于机器学习的特征提取651

14.3.3基于参数估计的特征提取656

14.3.4基于域变换的特征提取661

14.3.5信号指纹特征提取技术小结666

14.4模式识别分类器技术666

14.4.1K最近邻分类器667

14.4.2概率神经网络分类器667

14.4.3支持向量机668

14.5信号特征的盲信息辨识的实验与分析671

14.5.1实验条件与方法671

14.5.2实验结果统计与分析672

14.5.3实验结论682

第15章不平衡类别的盲信息辨识684

15.1不平衡类别盲信息辨识概述684

15.2不平衡类别的支持向量机687

15.2.1支持向量机原理与应用688

15.2.2SVM应用于不平衡类别的问题690

15.2.3反类野点抑制的支持向量机692

15.2.4实验结果694

15.3不平衡类别的单边抽样Bagging算法698

15.3.1综合学习算法介绍698

15.3.2不平衡类别对AdaBoost综合学习算法的影响701

15.3.3不平衡类别学习的关键结论706

15.3.4单边Bagging708

15.3.5SSBagging的性能分析711

15.4用属性Bagging增强kNN的性能712

15.4.1ABagging kNN712

15.4.2 ABagging kNN的性能分析714

15.5可信度投票法及CAB算法717

15.5.1基于可信度的投票法718

15.5.2CAB算法721

15.5.3 CAB算法性能分析721

15.6基于单边抽样和可信度投票的属性Bagging722

15.6.1SSCAB723

15.6.2 SSCAB的性能分析723

附录A定理15.3.1的证明725

附录B定理15.3.2的证明725

附录C引理15.5.1的证明726

参考文献727