基于回波包络特征的超声波入侵探测方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| ·引言 | 第9页 |
| ·研究背景及意义 | 第9-14页 |
| ·入侵探测简介 | 第9-10页 |
| ·常用入侵探测器分析 | 第10-13页 |
| ·超声波入侵探测器的研究意义 | 第13-14页 |
| ·超声波的特性 | 第13-14页 |
| ·研究意义 | 第14页 |
| ·国内外研究现状 | 第14-16页 |
| ·本文的主要内容及章节安排 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第二章 包络特征提取方法研究 | 第19-35页 |
| ·回波包络 | 第19-23页 |
| ·理论依据 | 第19-20页 |
| ·包络提取方法 | 第20-21页 |
| ·仿真结果 | 第21-23页 |
| ·常用回波信号特征 | 第23-24页 |
| ·本文中使用的特征 | 第24-32页 |
| ·幅值特征 | 第24-27页 |
| ·时域加窗 | 第24-25页 |
| ·本文幅值特征提取方法 | 第25-27页 |
| ·离散小波变换 | 第27-32页 |
| ·离散小波变换与多分辨率分析 | 第27-31页 |
| ·包络信号的离散小波变换 | 第31-32页 |
| ·类别可分离性判据 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 模式识别法用于超声回波信号识别 | 第35-49页 |
| ·近邻法 | 第35-37页 |
| ·最近邻法 | 第35-36页 |
| ·k-近邻法 | 第36-37页 |
| ·神经网络 | 第37-40页 |
| ·神经元模型 | 第37-39页 |
| ·神经网络的分类 | 第39页 |
| ·神经网络的学习方式 | 第39-40页 |
| ·RBF神经网络 | 第40-43页 |
| ·RBF神经网络结构 | 第40-41页 |
| ·RBF神经网络学习方式 | 第41-43页 |
| ·改进的RBF神经网络学习方式 | 第43-47页 |
| ·RBF神经网络学习的改进方法 | 第43-45页 |
| ·网络的实现及性能测试 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 实验结果及分析 | 第49-61页 |
| ·信号采集及预处理 | 第49-51页 |
| ·试验环境描述 | 第49-50页 |
| ·信号采集及预处理 | 第50-51页 |
| ·K-近邻法在超声入侵探测中的应用 | 第51-55页 |
| ·试验方法及步骤 | 第51-53页 |
| ·识别结果及分析 | 第53-55页 |
| ·RBF神经网络在超声入侵探测中的应用 | 第55-58页 |
| ·网络结构及参数设计 | 第55-56页 |
| ·识别结果分析 | 第56-58页 |
| ·识别结果对比与分析 | 第58-60页 |
| ·k-近邻法与RBF神经网络法的对比 | 第58页 |
| ·小波变换系数与幅值特征的对比 | 第58-59页 |
| ·基于脉冲回波模式法与本文方法的对比 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·结论 | 第61页 |
| ·展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录A 攻读硕士期间发表论文目录 | 第69-70页 |
| 附录B RBF神经网络训练测试界面 | 第70-72页 |
