摘要 | 第3-4页 |
abstract | 第4页 |
第1章 绪论 | 第7-12页 |
1.1 课题的研究背景及意义 | 第7页 |
1.2 研究现状 | 第7-10页 |
1.3 本文主要研究内容 | 第10-12页 |
第2章 基于信号稀疏表示的判别算法 | 第12-21页 |
2.1 基于综合稀疏表示模型的判别算法 | 第12-16页 |
2.1.1 综合稀疏表示模型 | 第12-14页 |
2.1.2 LC-KSVD算法 | 第14-16页 |
2.2 基于共稀疏表示模型的判别算法 | 第16-19页 |
2.2.1 共稀疏表示模型 | 第16-17页 |
2.2.2 DNAOL算法 | 第17-19页 |
2.3 本章小结 | 第19-21页 |
第3章 电弧声信号特征参数的提取 | 第21-34页 |
3.1 熔透状态电弧声信号的采集 | 第21-23页 |
3.2 熔透状态电弧声信号的频谱分析 | 第23-25页 |
3.3 修正的梅尔频率倒谱电弧声特征参数的提取算法 | 第25-30页 |
3.4 基于SVM的熔透状态分类识别 | 第30-33页 |
3.5 本章小结 | 第33-34页 |
第4章 基于电弧声共稀疏表示的熔透状态的识别 | 第34-43页 |
4.1 熔透状态判别模型 | 第34-38页 |
4.1.1 构建模型的目标函数 | 第34-35页 |
4.1.2 目标函数的优化算法 | 第35-38页 |
4.2 熔透状态的判别分类 | 第38-39页 |
4.3 实验仿真 | 第39-42页 |
4.3.1 传统和修正MFCC作为特征 | 第39-41页 |
4.3.2 传统和修正MFCC结合二阶差分为特征 | 第41-42页 |
4.4 本章小结 | 第42-43页 |
第5章 总结与展望 | 第43-45页 |
5.1 总结 | 第43-44页 |
5.2 展望 | 第44-45页 |
致谢 | 第45-46页 |
参考文献 | 第46-50页 |
攻读学位期间的研究成果 | 第50页 |