首页--工业技术论文--一般工业技术论文--声学工程论文--水声工程论文--水声仪器与设备论文

基于矢量水听器的目标特征提取与识别技术研究

摘要第1-7页
Abstract第7-12页
第1章 绪论第12-23页
   ·引言第12-13页
   ·矢量水听器简介第13-14页
   ·水声目标特征提取与识别技术第14-18页
     ·水声目标特征分析第14页
     ·水声目标特征选择和提取第14-16页
       ·时域波形结构特征提取第15页
       ·时间-频率分析特征提取第15-16页
       ·信号谱估计的特征提取第16页
     ·水声目标识别第16-18页
   ·水声目标特征提取与识别技术研究进展第18-21页
   ·论文研究的目的、意义与内容第21-23页
第2章 声矢量信号理论模型及线谱判决方法第23-32页
   ·目标辐射噪声特性分析第23-25页
   ·声矢量信号时域测量模型第25-26页
   ·声矢量信号自谱与互谱第26-29页
   ·声矢量信号线谱判决方法第29-31页
   ·本章小结第31-32页
第3章 声矢量信号线谱特征提取第32-48页
   ·声矢量信号LOFAR线谱特征提取第32-39页
     ·LOFAR谱图特征描述及预处理第32-33页
     ·声矢量信号LOFAR线谱特征提取仿真研究第33-35页
     ·声矢量信号LOFAR线谱特征提取湖试数据处理第35-39页
   ·声矢量信号DEMON线谱特征提取第39-46页
     ·声矢量信号调制谱理论模型第40-41页
     ·声矢量信号DEMON谱提取与净化第41-42页
     ·声矢量信号DEMON谱提取计算机仿真第42-44页
     ·声矢量信号DEMON谱提取湖试数据处理和结果分析第44-46页
   ·本章小结第46-48页
第4章 基于高阶统计量的声矢量信号特征提取第48-73页
   ·高阶统计量理论第48-52页
     ·高阶矩和高阶累积量第48-50页
     ·高阶矩和高阶累积量的转换关系第50-51页
     ·高阶矩谱和高阶累积量谱的定义第51-52页
   ·声矢量信号高阶自谱特征提取第52-58页
     ·声矢量信号双谱估计算法第52-54页
       ·声矢量信号双谱估计直接法第52-53页
       ·声矢量信号双谱估计间接法第53-54页
     ·声矢量信号双谱特征提取试验数据分析第54-58页
   ·声矢量信号高阶互谱特征提取第58-62页
     ·三阶互累积量和互双谱第58-59页
     ·声矢量信号互双谱估计算法第59-60页
     ·声矢量信号互双谱特征提取试验数据分析第60-62页
   ·声矢量信号非整数维谱特征提取第62-72页
     ·非整数维谱定义第62页
     ·三阶非整数维谱抑制高斯和对称分布噪声的原理第62-64页
     ·声压和声矢量信号三阶非整数维谱仿真研究第64-68页
     ·声压和声矢量信号三阶非整数维谱性能比较研究第68-72页
   ·本章小结第72-73页
第5章 基于矢量水听器的目标识别方法第73-92页
   ·基于矢量水听器和BP神经网络的目标识别第73-84页
     ·BP神经网络分类器结构与算法第73-76页
     ·LMBP神经网络第76-79页
     ·LMBP神经网络分类器对实测数据的训练与测试第79-84页
       ·基于声压信号组合特征的LMBP神经网络目标识别第79-81页
       ·基于声矢量信号组合特征的LMBP神经网络目标识别第81-84页
     ·不同组合特征的LMBP神经网络目标识别效果比较研究第84页
   ·基于矢量水听器和径向基函数网络的目标识别第84-90页
     ·RBF神经网络分类器结构第85-86页
     ·RBF神经网络分类器对实测数据的训练与测试第86-90页
       ·基于声压信号组合特征的RBF神经网络目标识别第86-88页
       ·基于声矢量信号组合特征的RBF神经网络目标识别第88-90页
     ·不同组合特征的RBF神经网络目标识别效果比较研究第90页
   ·本章小结第90-92页
结论第92-94页
参考文献第94-105页
攻读博士学位期间发表的论文和取得的科研成果第105-107页
致谢第107-108页
个人简历第108页

论文共108页,点击 下载论文
上一篇:CA6140普通车床的数字化设计及实现
下一篇:企业自主创新风险评价研究