內容簡介
其主要目的是推導和介紹在實踐中工作良好的有效、簡單的自適應算法。並儘量以通用或靈活的方式介紹概念、模型和算法，以便能在特殊套用中採用這些方法和算法。
本書目錄
第1章 盲信號處理導論：問題及套用
1.1 問題的表達——概述
1.2 盲信號處理和半盲信號處理的潛在套用
第2章 解線性代數方程系統及相關問題
2.1 線性方程系統問題的表述
2.2 最小二乘問題
2.3 線性方程系統的最小絕對偏差（1-範數）解
2.4 總體最小二乘和數據最小二乘問題
2.5 稀疏信號表示和最小1-範數解
第3章 主/次分量分析及相關問題
3.1 簡介
3.2 PCA的基本性質
3.3 用最優壓縮-重構原理提取主分量
3.4 基本代價函式和PCA的自適應算法
3.5 穩健PCA
3.6 次分量順序提取的自適應學習算法
3.7 用於估計主分量，次分量及其子空間的統一併行算法
3.8 與PCA相關的奇異值分解和基本矩陣子空間
3.9 用於有色源的盲源分離多級PCA
附錄A 用於實和復值PCA的基本神經網路算法
附錄B 用於復值PCA的層次神經網路
第4章 盲解相關和用於穩健 盲辨識的二階統計量
4.1 空間解相關-白化變換
4.2 基於EVD和GEVD的二階統計量盲辨識
4.3 基於對稱EVD/SVD的改進SOS盲辨識算法
4.4 聯合對角化——穩健的SOBI算法
4.5 相關抵消
附錄A AMARI自然梯度和ATICK-REDLICH公式的穩定性
附錄B 有界分離矩陣FROBENIUS範數的梯度下降算法
附錄C JADE算法
附錄D 穩健的SOBI算法的MATLAB實現
第5章 盲信號提取的統計信號處理方法
第6章 自然梯度方法用於獨立分量分析
第7章ICA的局部自適應算法與實現
第8章 有噪數據的BSS和ICA的穩健技術
第9章 多通道盲解卷積:自然梯度方法
第10章 估計函式及ICA和解卷積的超有效性
第11章 利用狀態空間方法進行線性盲濾波和盲分離
第12章 非線性狀態空間模型——半盲信號處理
第13章 附錄：數學預備知識
第14章 符號和縮略辭彙編
參考文獻
