基于散射变换的信号处理应用研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 机械故障诊断研究的国内外研究现状 | 第9-12页 |
| 1.2.1 故障机理 | 第10页 |
| 1.2.2 故障信息的获取方法 | 第10页 |
| 1.2.3 信号处理及故障特征提取方法研究 | 第10-12页 |
| 1.3 中文手写体笔迹识别的研究现状 | 第12-14页 |
| 1.4 本文的主要工作及章节安排 | 第14-16页 |
| 1.4.1 本文的主要工作 | 第14页 |
| 1.4.2 本文的章节安排 | 第14-16页 |
| 2 散射变换相关理论 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 形变稳定性以及平移不变性的构建 | 第16-19页 |
| 2.2.1 形变稳定性的条件 | 第16-17页 |
| 2.2.2 平移不变表达式 | 第17-19页 |
| 2.3 小波变换 | 第19-21页 |
| 2.4 深度卷积网络 | 第21-23页 |
| 2.4.1 神经网络 | 第21页 |
| 2.4.2 卷积网络 | 第21-23页 |
| 2.5 散射表达式的构建 | 第23-29页 |
| 2.5.1 散射小波 | 第23-24页 |
| 2.5.2 散射的具体表达式 | 第24-26页 |
| 2.5.3 散射卷积网络 | 第26-27页 |
| 2.5.4 散射的性质 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 基于散射变换的机械故障诊断 | 第30-52页 |
| 3.1 引言 | 第30页 |
| 3.2 一维散射表达式的构造 | 第30-32页 |
| 3.3 一维散射变换的特性 | 第32-33页 |
| 3.4 支持向量机 | 第33-37页 |
| 3.4.1 线性分类机 | 第33-35页 |
| 3.4.2 非线性分类机 | 第35-36页 |
| 3.4.3 最小二乘投影双联支持向量机 | 第36-37页 |
| 3.5 基于散射变换的故障预测 | 第37-39页 |
| 3.5.1 故障特征提取 | 第38页 |
| 3.5.2 故障预测 | 第38-39页 |
| 3.6 旋转机械故障诊断与结果分析 | 第39-51页 |
| 3.6.1 数据说明 | 第39-41页 |
| 3.6.2 参数选择 | 第41-45页 |
| 3.6.3 散射变换的稳定性 | 第45-47页 |
| 3.6.4 不同SVM的性能比较 | 第47-49页 |
| 3.6.5 齿轮故障预测 | 第49-51页 |
| 3.7 本章小结 | 第51-52页 |
| 4 基于散射变换的中文手写体笔迹识别 | 第52-64页 |
| 4.1 引言 | 第52-53页 |
| 4.2 旋转平移散射的构建思想 | 第53-55页 |
| 4.3 旋转平移散射表达式构建 | 第55-58页 |
| 4.3.1 平移旋转族上的小波变换 | 第55-56页 |
| 4.3.2 第一层空间小波的构造 | 第56页 |
| 4.3.3 更深层的旋转式平移小波的构造 | 第56-58页 |
| 4.4 旋转平移散射的尺度不变性 | 第58页 |
| 4.5 形变不变投影 | 第58-59页 |
| 4.6 实验结果与分析 | 第59-63页 |
| 4.7 本章小结 | 第63-64页 |
| 5 总结与展望 | 第64-66页 |
| 5.1 本文工作总结 | 第64页 |
| 5.2 未来工作展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 附录 | 第72页 |
| A. 作者在攻读学位期间内发表的论文目录 | 第72页 |
| B. 作者在攻读学位期间内参加的科研项目 | 第72页 |
