| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 地下管网防护技术现状 | 第12-16页 |
| 1.2.1 地下管网现有防护措施 | 第12-13页 |
| 1.2.2 声音识别技术研究历史及现状 | 第13-15页 |
| 1.2.3 声源定位技术研究现状 | 第15-16页 |
| 1.3 该领域的研究难点 | 第16-17页 |
| 1.4 本文主要研究内容 | 第17页 |
| 1.5 本文结构安排 | 第17-19页 |
| 第2章 挖掘器械声音特性分析及预处理 | 第19-28页 |
| 2.1 挖掘器械声音特性分析 | 第19-22页 |
| 2.1.1 挖掘器械及其发声原理 | 第19-21页 |
| 2.1.2 挖掘器械声音衰减特性分析 | 第21-22页 |
| 2.2 声阵列信号预处理方法 | 第22-27页 |
| 2.2.1 声阵列介绍 | 第22-23页 |
| 2.2.2 声音信号采集 | 第23-26页 |
| 2.2.3 预处理-分帧、加窗 | 第26页 |
| 2.2.4 快速傅里叶变换(FFT) | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 基于ELM-AE距离特征提取的定位算法 | 第28-42页 |
| 3.1 基于ELM-AE的距离特征提取 | 第28-35页 |
| 3.1.1 声衰减特征描述 | 第28-29页 |
| 3.1.2 超限学习机 | 第29-31页 |
| 3.1.3 基于超限学习机的自动编码器(ELM-AE) | 第31-32页 |
| 3.1.4 基于ELM-AE的距离特征提取方法 | 第32-35页 |
| 3.2 声源距离回归算法研究 | 第35-38页 |
| 3.2.1 机器学习回归算法概述 | 第35页 |
| 3.2.2 基于SVM的非线性回归算法 | 第35-37页 |
| 3.2.3 基于RELM的回归算法 | 第37-38页 |
| 3.3 基于ELM-AE声衰减特征提取的距离估计算法 | 第38-41页 |
| 3.3.1 特征提取、回归算法对比实验 | 第38-40页 |
| 3.3.2 高斯白噪声环境实验及分析 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于ELM预识别的声源距离定位方法 | 第42-53页 |
| 4.1 器械声音预识别必要性分析 | 第42-43页 |
| 4.1.1 参数选择对距离回归精度的影响 | 第42-43页 |
| 4.1.2 识别对定位的影响 | 第43页 |
| 4.2 基于器械声音预识别的声源距离定位方法 | 第43-45页 |
| 4.2.1 基于LPCC和ELM的器械类型识别方法 | 第43-44页 |
| 4.2.2 基于器械声音预识别的声源距离定位方法 | 第44-45页 |
| 4.3 实验分析 | 第45-52页 |
| 4.3.1 实验数据分析 | 第45-46页 |
| 4.3.2 预识别定位实验分析 | 第46-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 基于分布矩阵统计决策的声源定位方法 | 第53-63页 |
| 5.1 分布矩阵统计 | 第53-55页 |
| 5.2 实验分析 | 第55-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第6章 总结和展望 | 第63-65页 |
| 6.1 研究工作总结 | 第63-64页 |
| 6.2 研究展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70页 |
