摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
第1章 绪论 | 第8-13页 |
1.1 研究背景及意义 | 第8-9页 |
1.1.1 次声波简介 | 第8-9页 |
1.1.2 次声波研究背景及意义 | 第9页 |
1.2 研究现状 | 第9-12页 |
1.2.1 次声波研究现状 | 第9-10页 |
1.2.2 次声波的研究方法 | 第10-12页 |
1.3 研究内容和工作安排 | 第12-13页 |
第2章 信号分析及特征提取方法 | 第13-30页 |
2.1 傅立叶变换 | 第13-15页 |
2.1.1 傅立叶变换 | 第13-15页 |
2.1.2 应用实例 | 第15页 |
2.2 小波变换 | 第15-19页 |
2.2.1 小波函数 | 第16-17页 |
2.2.2 连续小波变换 | 第17页 |
2.2.3 离散小波变换 | 第17-18页 |
2.2.4 应用实例 | 第18-19页 |
2.3 希尔伯特黄变换 | 第19-24页 |
2.3.1 本征模态函数 | 第20页 |
2.3.2 经验模式分解 | 第20-21页 |
2.3.3 Hilbert变换和Hilbert变换谱分析 | 第21-22页 |
2.3.4 应用实例 | 第22-24页 |
2.4 局部特征尺度分解 | 第24-29页 |
2.4.1 内禀尺度分量 | 第24-25页 |
2.4.2 局部特征尺度分解 | 第25-27页 |
2.4.3 应用实例 | 第27-29页 |
2.5 本章小结 | 第29-30页 |
第3章 次声波信号的特征提取 | 第30-39页 |
3.1 次声波信号数据选取 | 第30-31页 |
3.2 次声波信号的多尺度分解 | 第31-35页 |
3.2.1 次声波信号的小波分解 | 第31-33页 |
3.2.2 次声波信号的经验模式分解 | 第33-34页 |
3.2.3 次声波信号的局部特征尺度分解 | 第34-35页 |
3.3 次声波信号的特征提取 | 第35-38页 |
3.3.1 自相关函数 | 第35-36页 |
3.3.2 线性预测倒谱系数 | 第36-37页 |
3.3.3 梅尔频率倒谱系数 | 第37-38页 |
3.4 本章小结 | 第38-39页 |
第4章 次声波信号分类实验 | 第39-51页 |
4.1 支持向量机 | 第39-44页 |
4.1.1 机器学习 | 第39-40页 |
4.1.2 统计学习理论 | 第40-41页 |
4.1.3 支持向量机 | 第41-44页 |
4.1.4 核函数 | 第44页 |
4.2 次声波信号分类实验 | 第44-50页 |
4.2.1 分类实验的一般步骤 | 第44-45页 |
4.2.2 实验步骤 | 第45-47页 |
4.2.3 实验结果 | 第47-50页 |
4.3 本章小结 | 第50-51页 |
第5章 结论与展望 | 第51-53页 |
5.1 工作总结 | 第51页 |
5.2 未来展望 | 第51-53页 |
致谢 | 第53-54页 |
参考文献 | 第54-56页 |