基于拖曳式水平渔探仪目标信号的特征提取及分类识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-21页 |
| ·研究背景 | 第9页 |
| ·立题意义 | 第9-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·研究方案 | 第13-20页 |
| ·水下目标识别的基本框架 | 第13-15页 |
| ·特征提取 | 第15-18页 |
| ·特征选择 | 第18页 |
| ·分类器设计 | 第18-20页 |
| ·本论文主要工作 | 第20-21页 |
| 第2章 基于 Lofar谱图的特征提取 | 第21-31页 |
| ·Lofar谱图算法及特征提取方法 | 第22页 |
| ·特征矢量的主分量分析 | 第22-23页 |
| ·Lofar谱的特征提取 | 第23-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于小波包分解的能量特征提取 | 第31-48页 |
| ·小波分析的基本理论 | 第31-33页 |
| ·多尺度分析分析和小波包的定义 | 第33-36页 |
| ·多尺度分析 | 第33-34页 |
| ·小波包的定义 | 第34-36页 |
| ·小波包算法 | 第36页 |
| ·小波包分解特征提取算法 | 第36-38页 |
| ·小波包分解特征提取 | 第38-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 基于高阶统计量的特征提取 | 第48-61页 |
| ·高阶统计量 | 第49-51页 |
| ·随机变量的特征函数 | 第49页 |
| ·高阶矩和高阶累积量的定义 | 第49-50页 |
| ·高阶矩谱和高阶累积量谱的定义 | 第50-51页 |
| ·双谱的算法 | 第51-53页 |
| ·双谱特征提取 | 第53-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 基于概率神经网络分类器 | 第61-76页 |
| ·水声目标分类识别技术的概述 | 第61-63页 |
| ·人工神经网络的基本理论 | 第63-73页 |
| ·神经网络的组成及研究方向 | 第63-65页 |
| ·神经网络的分类 | 第65-66页 |
| ·基于径向基函数的概率神经网络 | 第66-73页 |
| ·目标分类 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第80-81页 |
| 致谢 | 第81页 |
