首页--军事论文--军事技术论文--武器、军用器材论文--空军武器论文--防空武器论文

基于通话背景音的飞机类型识别方法研究

摘要第5-6页
abstract第6页
第1章 绪论第9-17页
    1.1 研究背景及意义第9-10页
    1.2 国内外研究现状第10-15页
        1.2.1 飞机舱音噪声的研究现状第10-11页
        1.2.2 声音信号特征提取的研究现状第11-14页
        1.2.3 分类器的研究现状第14-15页
    1.3 论文研究内容和结构安排第15-17页
第2章 特征提取的方法研究第17-31页
    2.1 小波包变换算法第17-21页
        2.1.1 小波包简介第18-19页
        2.1.2 小波包的性质第19页
        2.1.3 小波包快速算法第19-20页
        2.1.4 常用的小波函数第20-21页
    2.2 MFCC算法第21-24页
        2.2.1 MFCC简介第21页
        2.2.2 MFCC算法组成第21-24页
    2.3 仿真实验第24-29页
        2.3.1 小波包分析第24-28页
        2.3.2 MFCC特征提取第28-29页
    2.4 本章小结第29-31页
第3章 分类方法的研究与实验对比第31-45页
    3.1 BP神经网络分类器第31-35页
        3.1.1 BP神经网络简介第31-34页
        3.1.2 BP神经网络的优缺点第34-35页
    3.2 朴素贝叶斯分类器第35-37页
        3.2.1 朴素贝叶斯分类算法的简介第35-36页
        3.2.2 朴素贝叶斯的算法第36-37页
        3.2.3 朴素贝叶斯的优缺点第37页
    3.3 支持向量机分类器第37-42页
        3.3.1 支持向量机简介第38-41页
        3.3.2 多分类支持向量机第41页
        3.3.3 支持向量机的优缺点第41-42页
    3.4 仿真实验对比第42-43页
    3.5 本章小结第43-45页
第4章 基于优化SVM的飞机类型的识别第45-63页
    4.1 基于SVM的飞机类型识别方法第45-46页
        4.1.1 方法简介第45-46页
    4.2 粒子群算法优化SVM分类器第46-51页
        4.2.1 粒子群算法简介第46-49页
        4.2.2 基于粒子群算法优化SVM分类器第49-51页
    4.3 和声搜索算法优化SVM分类器第51-56页
        4.3.1 和声搜索算法简介第51-53页
        4.3.2 和声搜索算法参数分析第53-54页
        4.3.3 基于和声搜索算法优化SVM分类器第54-56页
    4.4 实验结果对比及分析第56-62页
        4.4.1 参数的设置第56-57页
        4.4.2 实验结果分析第57-62页
    4.5 本章小结第62-63页
结论第63-65页
参考文献第65-73页
致谢第73页

论文共73页,点击 下载论文
上一篇:基于双目立体视觉的水下三维重建技术研究
下一篇:基于滤波反步法的AUV路径跟踪控制方法研究