| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-25页 |
| ·引言 | 第13-15页 |
| ·国内外发展状况 | 第14-15页 |
| ·课题研究背景 | 第15页 |
| ·光纤地震动传感器网络概述 | 第15-17页 |
| ·技术优势 | 第15-16页 |
| ·系统原理与基本组成 | 第16-17页 |
| ·智能地面目标概述 | 第17-22页 |
| ·问题分析 | 第17-18页 |
| ·地面目标识别基本工作流程 | 第18-22页 |
| ·论文的主要研究内容及其创新点 | 第22-25页 |
| 第二章 地面目标震动信号发生与传播机理及目标探测方法研究 | 第25-39页 |
| ·引言 | 第25-26页 |
| ·战场环境目标地震动信号发生机理 | 第26-29页 |
| ·人员脚步信号模型 | 第26-27页 |
| ·车辆运动信号模型 | 第27-28页 |
| ·实测外界车辆信号 | 第28-29页 |
| ·地震动传播模型分析 | 第29-34页 |
| ·地震波传播理论概述 | 第29-31页 |
| ·瑞雷波的形成及其传播模型 | 第31-33页 |
| ·瑞雷波衰减特性分析 | 第33-34页 |
| ·瑞雷波频散特性分析 | 第34页 |
| ·环境自适应地面目标探测方法 | 第34-38页 |
| ·自适应恒虚警率目标探测方法 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 地面目标识别震动信号特征提取与选择 | 第39-67页 |
| ·概述 | 第39-40页 |
| ·目标地震动信号特征分析 | 第40-58页 |
| ·时域特征分析 | 第41-44页 |
| ·频域特征分析 | 第44-53页 |
| ·时频域特征分析 | 第53-56页 |
| ·地面目标小波特征分析 | 第56-58页 |
| ·基于自适应阈值小波去噪方法的人员脚步信号分析 | 第58-59页 |
| ·小波去噪方法 | 第58-59页 |
| ·多特征联合(UMF)的地面目标特征提取方法 | 第59-65页 |
| ·外场数据采集实验与数据集 | 第61-63页 |
| ·多特征联合方法 | 第63-64页 |
| ·特征的选择、评价与优化方法 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第四章 基于统计学习理论的地面目标识别算法研究 | 第67-83页 |
| ·地面目标识别与模式识别方法概述 | 第67-72页 |
| ·地面目标分类方法发展状况 | 第67-68页 |
| ·贝叶斯（Bayes）判别高斯混合模型（GMM）方法 | 第68-70页 |
| ·神经网络方法 | 第70-72页 |
| ·统计学习理论与SVM方法概述 | 第72-78页 |
| ·统计学习理论 | 第72-74页 |
| ·支持向量机 | 第74-78页 |
| ·支持向量机的实现方法及模式识别应用 | 第78页 |
| ·基于SVM的地面目标识别 | 第78-81页 |
| ·SensIT数据集分析 | 第78-80页 |
| ·内蒙外场数据实验 | 第80-81页 |
| ·本章小结 | 第81-83页 |
| 第五章 地面多传感器和多混叠目标问题研究 | 第83-97页 |
| ·地面多传感器、多目标问题概述 | 第83-84页 |
| ·地面目标识别多传感器信息融合问题研究 | 第84-87页 |
| ·信息融合基本概念 | 第84-85页 |
| ·Dempster-Shafer证据理论 | 第85页 |
| ·地面目标识别多传感识别算法 | 第85-87页 |
| ·基于多混叠地震动信号的地面目标识别 | 第87-96页 |
| ·盲源分离问题概述 | 第87-89页 |
| ·独立分量分析（ICA） | 第89-91页 |
| ·FastICA算法 | 第91-92页 |
| ·独立分量分析的预处理 | 第92-93页 |
| ·基于ICA多地面目标识别 | 第93-94页 |
| ·信号分离仿真实验 | 第94-96页 |
| ·本章小结 | 第96-97页 |
| 第六章 总结与工作展望 | 第97-99页 |
| ·本文的主要工作内容 | 第97-98页 |
| ·下一步的工作展望 | 第98-99页 |
| 参考文献 | 第99-110页 |
| 发表文章及申请专利目录 | 第110-111页 |
| 简历 | 第111-112页 |
| 致谢 | 第112页 |