| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-20页 |
| ·论文的研究背景与意义 | 第10-11页 |
| ·模拟电路故障诊断的研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·模拟电路故障诊断的方法分类 | 第13-16页 |
| ·传统故障诊断方法 | 第13-15页 |
| ·现代故障诊断方法 | 第15-16页 |
| ·论文的主要研究内容 | 第16-20页 |
| 第二章 模拟电路故障特征提取的小波包熵方法 | 第20-34页 |
| ·引言 | 第20页 |
| ·一维连续小波变换 | 第20-21页 |
| ·小波包变换 | 第21-24页 |
| ·小波包的基本原理 | 第21-23页 |
| ·小波包的空间分解 | 第23页 |
| ·小波包分解与重构算法 | 第23-24页 |
| ·小波包基函数的选择 | 第24-26页 |
| ·小波包熵测度 | 第26-27页 |
| ·小波包能量熵 | 第26-27页 |
| ·小波包特征熵 | 第27页 |
| ·基于小波包熵的故障特征提取 | 第27-28页 |
| ·实例分析 | 第28-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 支持向量机多分类辨识器 | 第34-44页 |
| ·引言 | 第34页 |
| ·支持向量机原理 | 第34-37页 |
| ·最优分类超平面 | 第34-35页 |
| ·广义最优分类超平面 | 第35-36页 |
| ·高维特征空间的泛化 | 第36-37页 |
| ·支持向量机多分类算法 | 第37-39页 |
| ·支持向量机结构优化 | 第39-41页 |
| ·核函数选择 | 第39-40页 |
| ·交叉验证与网格搜索 | 第40-41页 |
| ·支持向量机多分类辨识器的构建 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 基于小波包能量熵与 SVM 的模拟电路故障诊断 | 第44-50页 |
| ·引言 | 第44页 |
| ·诊断步骤 | 第44-46页 |
| ·诊断实例 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 基于小波包特征熵与 LS-SVM 的模拟电路故障诊断 | 第50-58页 |
| ·引言 | 第50页 |
| ·LS-SVM 的基本原理 | 第50-52页 |
| ·基于小波包特征熵与 LS-SVM 的故障诊断 | 第52-55页 |
| ·诊断原理 | 第52页 |
| ·诊断步骤 | 第52-53页 |
| ·诊断实例 | 第53-55页 |
| ·本章小结 | 第55-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 附录 A（攻读学位期间所发表论文目录） | 第66页 |