基于小波变换和神经网络的目标识别技术的研究
| 1 绪论 | 第1-25页 |
| ·研究背景及问题的提出 | 第20-22页 |
| ·国内外声振动目标识别技术的研究现状 | 第22-23页 |
| ·国外现状 | 第22-23页 |
| ·国内现状 | 第23页 |
| ·本文的主要工作 | 第23-25页 |
| 2 小波变换及其多分辨率分析 | 第25-42页 |
| ·小波变换的来源 | 第25-26页 |
| ·小波变换的基本理论 | 第26-31页 |
| ·连续小波变换 | 第26-28页 |
| ·离散小波变换 | 第28-31页 |
| ·小波变换的多分辨率分析 | 第31-42页 |
| ·连续信号的多分辨率分析 | 第31-40页 |
| ·离散序列的多分辨率分析 | 第40-42页 |
| 3 基于多尺度分析的目标特征提取 | 第42-53页 |
| ·概述 | 第42-43页 |
| ·目标声振动特性分析 | 第43-46页 |
| ·目标声辐射的产生机理 | 第44-45页 |
| ·目标声信号的传播过程 | 第45-46页 |
| ·目标声信号分析 | 第46页 |
| ·离散声振动信号的多分辨率分析 | 第46-50页 |
| ·小波系数矩阵的聚类 | 第50-51页 |
| ·基于小波聚类的特征提取 | 第51-53页 |
| 4 基于神经网络的分类器设计 | 第53-64页 |
| ·人工神经元 | 第53-55页 |
| ·BP学习算法 | 第55-61页 |
| ·前馈神经网络 | 第56-57页 |
| ·反向传播算法 | 第57-61页 |
| ·声目标的神经网络识别法 | 第61-62页 |
| ·神经网络的目标分类器的训练 | 第62页 |
| ·神经网络的识别结果 | 第62-64页 |
| 5 总结与展望 | 第64-66页 |
| ·全文总结 | 第64-65页 |
| ·研究展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士期间发表的论文 | 第70页 |
