| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-19页 |
| ·课题研究背景及意义 | 第13-14页 |
| ·课题研究背景 | 第13-14页 |
| ·课题研究意义 | 第14页 |
| ·水下传感器网络概述 | 第14-15页 |
| ·水下传感器网络概念 | 第14-15页 |
| ·水下传感器网络系统结构 | 第15页 |
| ·国内外研究现状与发展趋势 | 第15-17页 |
| ·国内外研究现状 | 第15-16页 |
| ·发展趋势 | 第16-17页 |
| ·本文的主要工作 | 第17-19页 |
| 第2章 水下目标辐射噪声信号的特征提取 | 第19-30页 |
| ·引言 | 第19页 |
| ·水下目标辐射噪声 | 第19-20页 |
| ·目标特征识别 | 第20-29页 |
| ·信号的功率谱 | 第21-23页 |
| ·信号的线谱 | 第23-25页 |
| ·信号的连续谱 | 第25-26页 |
| ·信号的调制线谱和调制连续谱 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 神经网络分类器的研究与设计 | 第30-43页 |
| ·引言 | 第30页 |
| ·BP 神经网络算法研究 | 第30-32页 |
| ·BP 神经网络概述 | 第30-31页 |
| ·BP 算法的优缺点及改进 | 第31-32页 |
| ·遗传算法 | 第32-36页 |
| ·遗传算法概要 | 第33-34页 |
| ·遗传算法特点 | 第34-35页 |
| ·标准遗传算法 | 第35页 |
| ·遗传算法的不足与改进 | 第35-36页 |
| ·基于自适应遗传 BP 算法神经网络分类器设计 | 第36-41页 |
| ·自适应遗传算法 | 第36-37页 |
| ·自适应遗传 BP 算法 | 第37-38页 |
| ·神经网络分类器设计 | 第38-41页 |
| ·实验结果分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 D-S 证据理论在水下目标融合识别中的研究 | 第43-60页 |
| ·引言 | 第43页 |
| ·数据融合基本概述 | 第43-51页 |
| ·数据融合的含义 | 第43页 |
| ·数据融合的通用模型 | 第43-44页 |
| ·数据融合的分类 | 第44-47页 |
| ·信息融合系统的系统结构 | 第47-50页 |
| ·数据融合的主要技术方法 | 第50-51页 |
| ·数据融合的应用领域 | 第51页 |
| ·D‐S 证据理论概述 | 第51-54页 |
| ·证据理论的基本概率 | 第51-53页 |
| ·证据理论的组合规则 | 第53-54页 |
| ·基于证据理论的决策 | 第54页 |
| ·证据组合方法的优缺点及其改进 | 第54-56页 |
| ·证据理论的主要优缺点 | 第54-55页 |
| ·证据组合方法的改进 | 第55-56页 |
| ·基本概率赋值的获取（D-S 与 BP 神经网络结合） | 第56-57页 |
| ·BP 神经网络参数的设定 | 第56页 |
| ·D‐S 证据理论与 BP 神经网络结合研究 | 第56-57页 |
| ·D-S 证据理论在目标识别中的应用 | 第57-59页 |
| ·D‐S 证据理论目标识别结果分析 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第5章 基于水下传感器网络的目标识别系统实验研究 | 第60-77页 |
| ·引言 | 第60页 |
| ·水下传感器网络技术研究 | 第60-64页 |
| ·水下传感器网络通信技术分析 | 第60-62页 |
| ·跨层设计思想 | 第62-63页 |
| ·水下传感器网络能量效率分析 | 第63-64页 |
| ·基于水下传感器网络的目标识别系统总体概要 | 第64-67页 |
| ·基于水下传感器网络的目标识别系统工作原理 | 第64-65页 |
| ·水声节点通信实验研究 | 第65-67页 |
| ·远程监控系统介绍 | 第67-75页 |
| ·系统硬件介绍 | 第67-69页 |
| ·系统软件部分介绍 | 第69-73页 |
| ·嵌入式 web 简介 | 第73-75页 |
| ·本章小结 | 第75-77页 |
| 结论 | 第77-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士期间申请的专利 | 第84页 |
| 攻读硕士期间参与科研项目 | 第84-86页 |
| 致谢 | 第86页 |