| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景和选题意义 | 第10-11页 |
| ·国内外扬声器故障检测方法研究概况 | 第11-13页 |
| ·扬声器故障自动检测技术综述 | 第13页 |
| ·扬声器故障检测的技术难点 | 第13页 |
| ·本课题的主要研究内容及其意义 | 第13-14页 |
| ·本课题的主要研究内容 | 第13-14页 |
| ·结合实际开展研究的意义 | 第14页 |
| ·论文组织 | 第14页 |
| ·本章小结 | 第14-15页 |
| 2 扬声器检测系统的工作原理 | 第15-17页 |
| ·扬声器检测系统的性能要求 | 第15页 |
| ·本文采用的检测方法及关键技术 | 第15页 |
| ·扬声器故障检测系统的工作原理及检测方法 | 第15-16页 |
| ·检测系统的工作原理 | 第15-16页 |
| ·扬声器故障检测方法的总体流程 | 第16页 |
| ·本章小结 | 第16-17页 |
| 3 扬声器故障类型及检测系统 | 第17-28页 |
| ·扬声器的种类及电动式扬声器的故障类型 | 第17页 |
| ·扬声器的种类 | 第17页 |
| ·电动式扬声器的故障类型 | 第17页 |
| ·电动扬声器的工作原理 | 第17-19页 |
| ·扬声器的主要性能指标 | 第19-20页 |
| ·基于声音信号的扬声器故障检测系统的构成 | 第20-26页 |
| ·扬声器故障检测系统的硬件 | 第20-25页 |
| ·扬声器故障检测系统软件 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 4 基于扬声器响应信号的时频分析及其特征提取方法 | 第28-47页 |
| ·扬声器响应信号时频分析的理论基础 | 第28-29页 |
| ·扬声器响应信号的等周期截取 | 第29-30页 |
| ·时频分布的基本性质要求 | 第30-31页 |
| ·扬声器故障检测时频分析方法 | 第31-46页 |
| ·扬声器响应信号的短时傅立叶变换(STFT) | 第31-39页 |
| ·STFT的定义 | 第31-33页 |
| ·扬声器响应信号的短时傅立叶变换的MATLAB实现 | 第33-35页 |
| ·基于STFT的扬声器响应信号特征提取方法 | 第35-39页 |
| ·扬声器响应信号的小波变换和小波包变换 | 第39-46页 |
| ·小波变换及其优点 | 第39-41页 |
| ·小波包变换 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 5 基于人工神经网络的扬声器故障检测方法 | 第47-65页 |
| ·人工神经网络简述 | 第47-50页 |
| ·人工神经网络的基本特征和性质 | 第47-48页 |
| ·神经网络的故障检测能力 | 第48-49页 |
| ·人工神经网络的学习规则 | 第49-50页 |
| ·BP神经网络 | 第50-58页 |
| ·BP网络的拓扑结构及学习过程 | 第50-51页 |
| ·BP网络的具体学习过程 | 第51-52页 |
| ·BP算法存在的缺陷 | 第52-53页 |
| ·Levenberg-Marquardt算法 | 第53-55页 |
| ·各种训练算法的比较验证 | 第55-58页 |
| ·扬声器故障检测神经网络模型结构的设计 | 第58-61页 |
| ·输入节点和输出节点的确定 | 第58页 |
| ·隐含层数和层内节点的确定 | 第58-60页 |
| ·隐含层数的确定 | 第58-59页 |
| ·隐含层节点数的确定 | 第59-60页 |
| ·学习效率的确定 | 第60页 |
| ·神经元激活函数的确定 | 第60页 |
| ·网络权值和阈值的确定 | 第60-61页 |
| ·基于L-M神经网络扬声器故障检测实验验证 | 第61-64页 |
| ·扬声器故障检测神经网络参数与模型 | 第61-63页 |
| ·人工神经网络检测与识别 | 第63-64页 |
| ·结论 | 第64页 |
| ·本章小结 | 第64-65页 |
| 6 基于支持向量机的扬声器故障检测方法 | 第65-75页 |
| ·支持向量机理论介绍 | 第65-71页 |
| ·支持向量机简述 | 第65-66页 |
| ·SVM方法的特点 | 第66页 |
| ·最优分类面及支持向量机的求解 | 第66-69页 |
| ·核函数 | 第69页 |
| ·支持向量机模型的构建 | 第69-70页 |
| ·可分支持向量分类机(C-支持向量分类机)算法实现 | 第70-71页 |
| ·基于支持向量机的扬声器故障检测 | 第71-74页 |
| ·支持向量机故障检测步骤 | 第71-72页 |
| ·基于C-SVM算法故障检测实验和模型的确定 | 第72-74页 |
| ·核函数的确定 | 第72-74页 |
| ·参数的确定 | 第74页 |
| ·本章小结 | 第74-75页 |
| 7 检测系统运行实验及误差分析 | 第75-87页 |
| ·整体设计 | 第75-82页 |
| ·基于人工神经网络的模式识别系统设计 | 第76-78页 |
| ·基于支持向量机的模式识别系统设计 | 第78-82页 |
| ·实验及误差分析 | 第82-86页 |
| ·实验 | 第82-85页 |
| ·误差分析 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 8 结论及展望 | 第87-90页 |
| ·本文的主要工作和创新点 | 第87-88页 |
| ·存在的问题及以后研究的方向 | 第88-90页 |
| 9 参考文献 | 第90-96页 |
| 10 攻读硕士学位期间发表论文情况 | 第96-98页 |
| 11 致谢 | 第98页 |