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 |