| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-24页 |
| §1.1 引言 | 第10-11页 |
| §1.2 智能传感侦察网络概述 | 第11-15页 |
| §1.3 地面目标声信号识别算法的研究现状及进展 | 第15-21页 |
| §1.3.1.声信号识别的研究现状 | 第16-17页 |
| §1.3.2.战场环境下地面目标声信号识别的研究现状 | 第17-19页 |
| §1.3.3.战场环境下地面声目标识别所面临的主要问题 | 第19-21页 |
| §1.4 课题研究背景及论文的主要研究内容 | 第21-24页 |
| §1.4.1 课题研究背景 | 第21页 |
| §1.4.2 论文的主要研究内容 | 第21-24页 |
| 第二章 地面目标声信号的特征提取与选择 | 第24-43页 |
| §2.1.引言 | 第24-25页 |
| §2.2.地面目标声信号特性分析 | 第25-31页 |
| §2.2.1.地面目标声信号的产生机理 | 第25-26页 |
| §2.2.2.地面目标声信号的传播过程 | 第26-27页 |
| §2.2.3.地面目标声信号分析 | 第27-29页 |
| §2.2.4.主要的特征提取算法 | 第29-31页 |
| §2.3.基于小波包分析的特征提取算法 | 第31-37页 |
| §2.3.1.小波包分析的基本理论 | 第31页 |
| §2.3.2.小波包的分解与重构 | 第31-34页 |
| §2.3.3.小波包能量特征提取算法 | 第34-35页 |
| §2.3.4.小波包分析中参数的选择 | 第35-37页 |
| §2.4.实验与结果讨论 | 第37-42页 |
| §2.4.1.实验数据 | 第37-39页 |
| §2.4.2.实验结果 | 第39-42页 |
| §2.5.本章小结 | 第42-43页 |
| 第三章 基于智能计算方法的地面目标声信号识别算法 | 第43-58页 |
| §3.1.引言 | 第43-44页 |
| §3.2.粗集理论概述 | 第44-51页 |
| §3.2.1.RS理论中的基本概念 | 第45-47页 |
| §3.2.2.基于RS理论的知识化简方法 | 第47-49页 |
| §3.2.3.粗神经网络 | 第49-51页 |
| §3.3.基于智能计算方法的地面目标声信号识别系统 | 第51-55页 |
| §3.4.实验结果与分析 | 第55-57页 |
| §3.5.本章小结 | 第57-58页 |
| 第四章 基于单类样本学习算法的分类器 | 第58-87页 |
| §4.1.引言 | 第58-59页 |
| §4.2.单类分类器概述 | 第59-62页 |
| §4.2.1.基本概念 | 第59-60页 |
| §4.2.2.主要的单类分类算法 | 第60-62页 |
| §4.3.大样本情况下的地面声信号单类分类器 | 第62-74页 |
| §4.3.1.基于SVDD的地面目标声信号分类器 | 第63-66页 |
| §4.3.2.SVDD分类器的运算量分析 | 第66-67页 |
| §4.3.3.SVDD分类器的两步训练算法 | 第67-70页 |
| §4.3.4.实验与结果讨论 | 第70-74页 |
| §4.4.结合仿生模式识别和主曲线分析的单类分类算法 | 第74-85页 |
| §4.4.1.多权值神经元模型 | 第75-77页 |
| §4.4.2.主曲线分析 | 第77-80页 |
| §4.4.3.算法描述 | 第80-82页 |
| §4.4.4.实验与结果讨论 | 第82-85页 |
| §4.5.本章小结 | 第85-87页 |
| 第五章 基于盲源分离理论和缺失特征理论的多目标识别算法 | 第87-122页 |
| §5.1.引言 | 第87-89页 |
| §5.2.盲源分离(BSS)理论概述 | 第89-93页 |
| §5.2.1.BSS问题描述 | 第89-90页 |
| §5.2.2.BSS问题的数学模型 | 第90-92页 |
| §5.2.3.BSS问题的可实现性 | 第92-93页 |
| §5.3.BSS研究的主要方法 | 第93-99页 |
| §5.3.1.独立主量分析(Independent Component Analysis,ICA) | 第94页 |
| §5.3.2.基于二阶统计量(SOS)的盲解相关算法 | 第94-95页 |
| §5.3.3.基于信号时频域分析的盲源分离算法 | 第95-99页 |
| §5.4.地面目标声信号混叠模型 | 第99-100页 |
| §5.5.基于BSS算法的多目标识别 | 第100-105页 |
| §5.5.1.基于ICA分析的多目标识别算法 | 第102-104页 |
| §5.5.2.基于SOS的多目标识别算法 | 第104-105页 |
| §5.6.结合BSS理论和缺失特征理论的多目标识别 | 第105-113页 |
| §5.6.1.缺失特征理论 | 第106-109页 |
| §5.6.2.算法框架 | 第109-110页 |
| §5.6.3.算法描述 | 第110-113页 |
| §5.7.实验及结果分析 | 第113-120页 |
| §5.7.1.地面目标声信号的WDO特性分析 | 第113-114页 |
| §5.7.2.仿真信号的多目标识别 | 第114-119页 |
| §5.7.3.实测信号的多目标识别 | 第119-120页 |
| §5.8.本章小结 | 第120-122页 |
| 第六章 结论及工作展望 | 第122-125页 |
| §6.1.本文的主要成果和创新点 | 第122-123页 |
| §6.2.下一步工作展望 | 第123-125页 |
| 参考文献 | 第125-133页 |
| 致谢 | 第133-134页 |
| 攻读学位期间发表和录用的论文 | 第134页 |
