自适应盲信号与图像处理

　　第1章 盲信号处理导论：问题及应用
　　1.1 问题的表达——概述
　　1.2 盲信号处理和半盲信号处理的潜在应用
　　第2章 解线性代数方程系统及相关问题
　　2.1 线性方程系统问题的表述
　　2.2 最小二乘问题
　　2.3 线性方程系统的最小绝对偏差（1-范数）解
　　2.4 总体最小二乘和数据最小二乘问题
　　2.5 稀疏信号表示和最小1-范数解
　　第3章 主/次分量分析及相关问题
　　3.1 简介
　　3.2 PCA的基本性质
　　3.3 用最优压缩-重构原理提取主分量
　　3.4 基本代价函数和PCA的自适应算法
　　3.5 稳健PCA
　　3.6 次分量顺序提取的自适应学习算法
　　3.7 用于估计主分量，次分量及其子空间的统一并行算法
　　3.8 与PCA相关的奇异值分解和基本矩阵子空间
　　3.9 用于有色源的盲源分离多级PCA
　　附录A 用于实和复值PCA的基本神经网络算法
　　附录B 用于复值PCA的层次神经网络
　　第4章 盲解相关和用于稳健 盲辨识的二阶统计量
　　4.1 空间解相关-白化变换
　　4.2 基于EVD和GEVD的二阶统计量盲辨识
　　4.3 基于对称EVD/SVD的改进SOS盲辨识算法
　　4.4 联合对角化——稳健的SOBI算法
　　4.5 相关抵消
　　附录A AMARI自然梯度和ATICK-REDLICH公式的稳定性
　　附录B 有界分离矩阵FROBENIUS范数的梯度下降算法
　　附录C JADE算法
　　附录D 稳健的SOBI算法的MATLAB实现
　　第5章 盲信号提取的统计信号处理方法
　　第6章 自然梯度方法用于独立分量分析
　　第7章 ICA的局部自适应算法与实现
　　第8章 有噪数据的BSS和ICA的稳健技术
　　第9章 多通道盲解卷积：自然梯度方法
　　第10章 估计函数及ICA和解卷积的超有效性
　　第11章 利用状态空间方法进行线性盲滤波和盲分离
　　第12章 非线性状态空间模型——半盲信号处理
　　第13章 附录：数学预备知识
　　第14章 符号和缩略词汇编
　　参考文献

　　    Andrzej CICHOCKI博士，日本Riken脑科学研究所高级脑信号处理研究室主任。 
　　    Shun-ichi AMARI博士，日本Riken脑科学研究所所长。

　　    《自适应盲信号与图像处理》从理论和实践的角度提供了自适应盲信号处理技术和算法的广泛内容，并包含许多图解的实例、计算机仿真结果、图表及概念模型。其主要目的是推导和介绍在实践中工作良好的有效、简单的自适应算法。并尽量以通用或灵活的方式介绍概念、模型和算法，以便能在特殊应用中采用这些方法和算法。
　　    《自适应盲信号与图像处理》适合于高年级的本科生、研究生以及从事雷达、声呐、噪声控制、通信、电子、计算机科学等多个领域的工程技术人员阅读。