| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 研究背景及其意义 | 第8页 |
| 1.2 国内外研究现状分析 | 第8-9页 |
| 1.3 研究内容 | 第9-11页 |
| 第2章 震源波形信号的选取与数据预处理 | 第11-17页 |
| 2.1 天然地震和人工爆破震源的波形数据来源 | 第11-12页 |
| 2.2 震源数据波形的消噪处理 | 第12-15页 |
| 2.2.1 小波分解降噪 | 第12-13页 |
| 2.2.2 小波滤波效果 | 第13-14页 |
| 2.2.3 带通滤波 | 第14-15页 |
| 2.3 能量熵 | 第15页 |
| 2.4 滑动窗口选取有效波形 | 第15-17页 |
| 第3章 卷积神经网络与MFCC图识别研究 | 第17-27页 |
| 3.1 梅尔频率倒谱系数(MFCC) | 第17页 |
| 3.2 卷积神经网络(CNN) | 第17-18页 |
| 3.3 由震动波形到震源事件的分类识别 | 第18-19页 |
| 3.4 预处理操作 | 第19-20页 |
| 3.5 提取特征 | 第20-22页 |
| 3.6 卷积神经网络模型 | 第22页 |
| 3.7 实验结果与分析 | 第22-26页 |
| 3.7.1 震源波形的梅尔频率倒谱系数图分析 | 第22-24页 |
| 3.7.2 识别结果 | 第24-26页 |
| 3.8 本章小结 | 第26-27页 |
| 第4章 事件全过程波形特征提取 | 第27-43页 |
| 4.1 短时窗平均与长时窗平均比 | 第27页 |
| 4.2 小波包系数特征提取 | 第27-28页 |
| 4.2.1 均方差 | 第27页 |
| 4.2.2 Teager-Kaiser能量算子(TKEO) | 第27-28页 |
| 4.3 能量熵算法 | 第28-29页 |
| 4.4 窗口定位 | 第29-30页 |
| 4.5 预处理 | 第30-31页 |
| 4.6 初至时刻拾取实验与结果分析 | 第31-39页 |
| 4.6.1 评价指标 | 第31页 |
| 4.6.2 实验数据 | 第31页 |
| 4.6.3 高信噪比波形结果分析 | 第31-35页 |
| 4.6.4 对信噪比低的地震信号结果分析 | 第35-37页 |
| 4.6.5 能量熵与STA-LTA方法对比 | 第37-39页 |
| 4.7 对截取后波段提取特征进行有效性验证 | 第39-41页 |
| 4.7.1 小波包系数特征实验分析 | 第39-40页 |
| 4.7.2 识别结果分析 | 第40-41页 |
| 4.8 本章小结 | 第41-43页 |
| 第5章 模拟实时的震源波形识别 | 第43-49页 |
| 5.1 确定实时检测波形提取窗口 | 第43-44页 |
| 5.2 窗口定位策略 | 第44页 |
| 5.3 特征排列 | 第44-45页 |
| 5.4 窗口阈值选取 | 第45-46页 |
| 5.5 结果分析 | 第46-48页 |
| 5.6 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49-50页 |
| 6.2 展望 | 第50-51页 |
| 攻读硕士研究生期间成果 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |