基于智能学习的光纤振动信号识别研究及实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容 | 第14-17页 |
| 第二章 光纤预警检测识别系统 | 第17-21页 |
| 2.1 系统介绍 | 第17-18页 |
| 2.2 系统基本组成 | 第18-20页 |
| 2.3 小结 | 第20-21页 |
| 第三章 基于BP神经网络的振源识别算法模型 | 第21-36页 |
| 3.1 引言 | 第21页 |
| 3.2 振源信号特征提取 | 第21-25页 |
| 3.2.1 基音频率提取 | 第21-23页 |
| 3.2.2 信号小波包分解能量占比 | 第23-25页 |
| 3.2.3 振源信号提取占空比 | 第25页 |
| 3.3 BP神经网络概述 | 第25-29页 |
| 3.4 BP神经网络预训练及网络构建 | 第29-34页 |
| 3.4.1 BP神经网络预训练 | 第29-32页 |
| 3.4.2 BP神经网络隐含层节点个数选取 | 第32-34页 |
| 3.5 振源信号识别网络分类结果分析 | 第34-35页 |
| 3.6 小结 | 第35-36页 |
| 第四章 光纤预警检测识别系统软件设计 | 第36-57页 |
| 4.1 光纤预警检测识别系统需求设定 | 第36-38页 |
| 4.2 光纤预警检测识别系统软件的主体构架 | 第38-41页 |
| 4.2.1 软件主体架构 | 第38-39页 |
| 4.2.2 三层系统分布式架构 | 第39-41页 |
| 4.3 光纤预警检测识别系统软件的服务端设计 | 第41-47页 |
| 4.3.1 服务端与客户端通信设计及实现 | 第41-43页 |
| 4.3.2 服务端与底层硬件系统通信设计及实现 | 第43-45页 |
| 4.3.3 服务端检测识别模块的设计与实现 | 第45-47页 |
| 4.4 光纤预警检测识别系统软件的客户端设计 | 第47-56页 |
| 4.4.1 上位机用户登录模块 | 第48-49页 |
| 4.4.2 地图定标模块 | 第49-51页 |
| 4.4.3 上位机算法参数远程设置 | 第51-52页 |
| 4.4.4 参数二维可视化模块 | 第52-54页 |
| 4.4.5 光纤回折检测模块 | 第54-56页 |
| 4.5 小结 | 第56-57页 |
| 第五章 结论与展望 | 第57-59页 |
| 5.1 工作总结 | 第57页 |
| 5.2 研究展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 在学期间的研究成果 | 第62-63页 |
| 致谢 | 第63页 |
