| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要内容 | 第11-13页 |
| 第2章 水下目标的辐射噪声的建模仿真 | 第13-21页 |
| 2.1 目标的辐射噪声的产生机理 | 第13-14页 |
| 2.2 水下目标辐射噪声的建模与仿真 | 第14-19页 |
| 2.2.1 连续谱分量的仿真 | 第15-17页 |
| 2.2.2 线谱分量的仿真 | 第17-18页 |
| 2.2.3 声压信号仿真 | 第18-19页 |
| 2.3 声矢量信号的数学模型 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于能量熵的水声信号检测 | 第21-45页 |
| 3.1 能量检测 | 第21-24页 |
| 3.1.1 能量检测基本算法 | 第21-23页 |
| 3.1.2 检测算法性能的衡量方法 | 第23-24页 |
| 3.2 小波变换的能量熵 | 第24-32页 |
| 3.2.1 从傅里叶变换到小波变换 | 第24-25页 |
| 3.2.2 小波变换 | 第25-30页 |
| 3.2.3 小波变换能量熵简介 | 第30-32页 |
| 3.3 经验模式分解的能量熵 | 第32-40页 |
| 3.3.1 经验模式分解 | 第32-34页 |
| 3.3.2 经验模式分解中存在的若干问题 | 第34-39页 |
| 3.3.3 经验模式能量熵 | 第39-40页 |
| 3.4 基于能量熵的检测算法的性能分析 | 第40-42页 |
| 3.5 实测信号的能量熵检测 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于倒谱技术的水声信号特征提取 | 第45-61页 |
| 4.1 倒谱特征提取 | 第45-48页 |
| 4.1.1 倒谱的定义 | 第45-46页 |
| 4.1.2 水下目标信号的倒谱特征提取 | 第46-47页 |
| 4.1.3 仿真实验结果 | 第47-48页 |
| 4.2 基于线性预测倒谱的特征提取 | 第48-53页 |
| 4.2.1 线性预测 | 第48-50页 |
| 4.2.2 用自相关法求解线性预测系数 | 第50-51页 |
| 4.2.3 线性预测倒谱系数(LPCC) | 第51-52页 |
| 4.2.4 仿真实验LPCC特征的提取 | 第52-53页 |
| 4.3 基于美尔倒谱系数的特征提取 | 第53-56页 |
| 4.3.1 美尔倒谱系数(MFCC) | 第53-55页 |
| 4.3.2 MFCC特征的提取过程 | 第55-56页 |
| 4.3.3 仿真实验MFCC特征的提取 | 第56页 |
| 4.4 基于线性预测的美尔倒谱特征(LP-based MFCC)的提取 | 第56-57页 |
| 4.5 实测信号的倒谱特征提取 | 第57-59页 |
| 4.6 本章小结 | 第59-61页 |
| 第5章 基于支持向量机(SVM)的目标识别 | 第61-69页 |
| 5.1 支持向量机(SVM) | 第61-65页 |
| 5.1.1 线性支持向量机 | 第61-63页 |
| 5.1.2 非线性支持向量机 | 第63-64页 |
| 5.1.3 核函数的选择 | 第64-65页 |
| 5.2 基于支持向量机(SVM)的水下目标的分类识别 | 第65-68页 |
| 5.2.1 实测数据的特征提取 | 第65-66页 |
| 5.2.2 分类实验的结果 | 第66-68页 |
| 5.3 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第75-76页 |
| 致谢 | 第76页 |