基于压缩感知的水下目标声信号去噪识别方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 水下目标识别系统 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.3.1 水下目标识别研究历程 | 第12页 |
| 1.3.2 水下目标除噪技术 | 第12-13页 |
| 1.3.3 水下目标特征提取研究 | 第13-15页 |
| 1.3.4 水下目标分类识别技术 | 第15-16页 |
| 1.4 本文研究内容与结构安排 | 第16-17页 |
| 第2章 压缩感知理论研究 | 第17-24页 |
| 2.1 压缩感知基本原理 | 第17-19页 |
| 2.2 信号的感知测量 | 第19-21页 |
| 2.2.1 正交基的选择 | 第19页 |
| 2.2.2 观测矩阵的构造 | 第19-21页 |
| 2.3 信号的重构算法 | 第21-23页 |
| 2.3.1 贪婪算法 | 第21-23页 |
| 2.3.2 凸优化算法 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 船舰辐射信号去噪研究 | 第24-33页 |
| 3.1 船舰信号含噪模型 | 第24页 |
| 3.2 基于DCT的船舰信号去噪重构 | 第24-29页 |
| 3.2.1 船舰信号的DCT变换 | 第24-26页 |
| 3.2.2 船舰信号去噪重构 | 第26-29页 |
| 3.3 基于改进DCT的压缩感知船舰信号去噪 | 第29-30页 |
| 3.4 去噪结果评估 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 船舰辐射信号特征提取 | 第33-46页 |
| 4.1 船舰信号时、频域特征分析 | 第33-41页 |
| 4.1.1 时域特征分析 | 第33-35页 |
| 4.1.2 频域特征分析 | 第35-38页 |
| 4.1.3 时-频域特征分析 | 第38-41页 |
| 4.2 基于主成分分析(PCA)改进的特征提取 | 第41-43页 |
| 4.3 特征性能比较 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第5章 船舰辐射信号分类识别 | 第46-54页 |
| 5.1 机器学习基本原理和支持向量机 | 第46-48页 |
| 5.1.1 统计学习理论 | 第46-47页 |
| 5.1.2 支持向量机 | 第47-48页 |
| 5.2 基于最小二乘支持向量机的分类识别 | 第48-49页 |
| 5.3 实验仿真分析 | 第49-53页 |
| 5.3.1 不同测量矩阵下的重构性能比较 | 第49-51页 |
| 5.3.2 特征提取性能比较 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61页 |
