| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-15页 |
| 1.1 论文的选题背景 | 第11-12页 |
| 1.2 本论文主要工作 | 第12-13页 |
| 1.3 本论文结构安排 | 第13-15页 |
| 2 辐射型泄漏电缆入侵扰动研究 | 第15-23页 |
| 2.1 泄漏电缆的结构 | 第15页 |
| 2.2 泄漏电缆的分类 | 第15-17页 |
| 2.3 辐射型入侵扰动检测系统测试模型 | 第17页 |
| 2.4 测试系统建模与仿真 | 第17-19页 |
| 2.5 实验验证 | 第19-22页 |
| 2.5.1 辐射型泄漏电缆入侵扰动测试系统实验平台 | 第19-20页 |
| 2.5.2 目标检测方法 | 第20-21页 |
| 2.5.3 测试结果 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 3 泄漏电缆入侵检测定位系统设计 | 第23-37页 |
| 3.1 雷达测距技术 | 第23-25页 |
| 3.1.1 调频连续波测距 | 第23-24页 |
| 3.1.2 脉冲延迟法测距 | 第24-25页 |
| 3.2 脉冲压缩技术 | 第25-27页 |
| 3.2.1 线性调频 | 第25-26页 |
| 3.2.2 二相编码调制 | 第26-27页 |
| 3.3 超宽带技术 | 第27-28页 |
| 3.4 泄漏电缆入侵检测定位原理研究 | 第28-30页 |
| 3.4.1 泄漏电缆入侵定位系统组成 | 第28-29页 |
| 3.4.2 格雷码定位原理 | 第29-30页 |
| 3.5 基于格雷码定位原理的入侵定位系统建模和仿真 | 第30-33页 |
| 3.5.1 系统模型设计 | 第30-32页 |
| 3.5.2 仿真及结果分析 | 第32-33页 |
| 3.6 泄漏电缆入侵检测定位系统设计 | 第33-34页 |
| 3.7 系统软件设计 | 第34-36页 |
| 3.8 本章小结 | 第36-37页 |
| 4 泄漏电缆报警及精确定位算法研究 | 第37-52页 |
| 4.1 入侵信号检测算法研究现状 | 第37页 |
| 4.2 支持向量机背景研究 | 第37-40页 |
| 4.3 信号处理流程 | 第40-41页 |
| 4.4 信号预处理 | 第41-50页 |
| 4.4.1 原始信号 | 第41-42页 |
| 4.4.2 入侵扰动信号提取 | 第42-43页 |
| 4.4.3 入侵事件检测 | 第43-44页 |
| 4.4.4 归一化处理 | 第44-45页 |
| 4.4.5 特征提取 | 第45-47页 |
| 4.4.6 特征降维 | 第47页 |
| 4.4.7 分类器设计与测试 | 第47-50页 |
| 4.5 本章小结 | 第50-52页 |
| 5 基于循环神经网络的泄漏电缆入侵检测算法研究 | 第52-63页 |
| 5.1 循环神经网络 (RNN)研究 | 第52-55页 |
| 5.1.1 单向RNN | 第52-54页 |
| 5.1.2 双向RNN | 第54-55页 |
| 5.2 基于LSTM的循环神经网络 | 第55-59页 |
| 5.2.1 LSTM前向传播 | 第56-58页 |
| 5.2.2 LSTM后向传播 | 第58-59页 |
| 5.3 基于RNN的泄漏电缆入侵扰动数据训练 | 第59-62页 |
| 5.3.1 深度学习框架的研究与选取 | 第59-60页 |
| 5.3.2 基于Keras的LSTM训练模型的搭建 | 第60-61页 |
| 5.3.3 训练结果分析 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 在学研究成果 | 第69-70页 |
| 致谢 | 第70页 |
