第1章 绪论
1.1 概述
1.2 本书研究的目的及意义
1.3 结构模态识别的研究现状
1.3.1 模态参数频域识别法
1.3.2 模态参数时域识别法
1.3.3 模态参数时频识别法
1.4 结构损伤识别的研究现状
1.4.1 基于动力指纹的损伤识别
1.4.2 基于模型修正的损伤识别
1.4.3 基于神经网络的损伤识别
1.4.4 基于进化算法的损伤识别
1.5 盲源分离技术的研究现状
1.5.1 基于源信号统计特征的盲源分离
1.5.2 基于源信号结构特征的盲源分离
1.5.3 基于源信号非平稳性的盲源分离
1.5.4 BSS算法的快速性
1.5.5 BSS算法分离效果的评价指标
1.5.6 BSS算法分离的不确定性
1.6 本书主要研究内容
第2章 盲源分离的基本理论和方法
2.1 概述
2.2 盲源分离模型描述
2.2.1 盲源分离的数学模型
2.2.2 盲源分离的基本假设
2.2.3 盲源分离的不确定性
2.3 盲源分离的数学基础
2.3.1 概率论与统计基础
2.3.2 信息论基础
2.4 盲源分离的预处理
2.4.1 中心化
2.4.2 白化
2.5 盲源分离的目标函数
2.5.1 基于极大似然估计的目标函数
2.5.2 基于互信息最小化的目标函数
2.5.3 基于非高斯最大化的目标函数
2.6 盲源分离的优化算法
2.6.1 批处理算法
2.6.2 自适应算法
2.6.3 逐层分离法
2.7 基于盲源分离的信噪分离
2.7.1 FastICA基本理论
2.7.2 SOBI基本理论
2.7.3 信噪分离试验
2.8 本章小结
……
第3章 基于量子遗传算法的时源盲分离的时延优化选择
第4章 基于改进型盲源分离的结构模态参数识别
第5章 基于盲源分离特征提取的结构损伤识别研究
第6章 总结与展望
参考文献
展开