基于神经网络的油管传输射孔（TCP）信号分析
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题的背景及意义 | 第10-11页 |
| ·射孔信号识别技术发展现状 | 第11-12页 |
| ·TCP信号处理方法 | 第12-15页 |
| ·小波变换 | 第12-13页 |
| ·神经网络 | 第13-15页 |
| ·本文研究的主要内容 | 第15-16页 |
| 第2章 TCP信号数字滤波与频谱分析 | 第16-30页 |
| ·油管传输射孔信号 | 第16-17页 |
| ·傅里叶变换 | 第17-18页 |
| ·窗.傅里叶变换 | 第18-20页 |
| ·应用到的数字滤波器 | 第20-26页 |
| ·IIR滤波器的原理与结构 | 第20-24页 |
| ·滤波器的设计 | 第24-26页 |
| ·TCP信号处理 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 小波变换对TCP信号预处理 | 第30-45页 |
| ·小波变换的定义 | 第30-32页 |
| ·离散小波变换 | 第32-33页 |
| ·多分辨分析 | 第33-35页 |
| ·小波去噪的原理和步骤 | 第35-39页 |
| ·小波去噪的基本原理 | 第35-36页 |
| ·信号降噪的方法 | 第36-37页 |
| ·小波变换对TCP信号的降噪 | 第37-39页 |
| ·TCP信号突变点检测 | 第39-44页 |
| ·信号的突变点检测原理 | 第40-42页 |
| ·检测TCP信号畸变点 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 神经网络在TCP信号分析中的应用 | 第45-66页 |
| ·神经元模型 | 第45-49页 |
| ·生物神经元结构 | 第45-47页 |
| ·人工神经元模型 | 第47-49页 |
| ·神经网络的学习规则 | 第49-51页 |
| ·有指导学习算法 | 第50页 |
| ·无指导学习算法 | 第50-51页 |
| ·再励学习算法 | 第51页 |
| ·BP神经网络 | 第51-58页 |
| ·BP神经网络结构 | 第52页 |
| ·BP算法与实现 | 第52-55页 |
| ·BP算法不足与改进 | 第55-58页 |
| ·BP网络建模 | 第58-62页 |
| ·样本数据的处理 | 第58页 |
| ·BP网络层数 | 第58-59页 |
| ·隐含层节点数的确定 | 第59页 |
| ·转移函数的选择 | 第59-61页 |
| ·权值初始化 | 第61页 |
| ·学习速率的选取 | 第61-62页 |
| ·训练函数的选择 | 第62页 |
| ·神经网络识别射孔信号 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第72-73页 |
| 致谢 | 第73-74页 |
