基于混沌预测的水声信号检测方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-14页 |
| ·混沌理论综述 | 第10-11页 |
| ·混沌理论在水声信号检测中的意义与研究现状 | 第11-12页 |
| ·本文的主要研究内容 | 第12-14页 |
| 第二章 时间序列的混沌特征值提取 | 第14-25页 |
| ·引言 | 第14页 |
| ·相空间重构 | 第14-18页 |
| ·延时重构 | 第14-15页 |
| ·最小嵌入维数 | 第15-16页 |
| ·延迟时间 | 第16-17页 |
| ·算法仿真 | 第17-18页 |
| ·Lyapunov指数 | 第18-20页 |
| ·最大Lyapunov指数 | 第18-19页 |
| ·最大Lyapunov指数的估计 | 第19-20页 |
| ·关联维数 | 第20-22页 |
| ·关联维数的定义 | 第21页 |
| ·关联维数计算 | 第21-22页 |
| ·时间序列的熵 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 水声信号的局部投影滤波与混沌特征值提取 | 第25-42页 |
| ·引言 | 第25页 |
| ·非线性局部投影滤波算法 | 第25-34页 |
| ·局部投影算法原理 | 第25-27页 |
| ·局部投影滤波算法参数的选择 | 第27-34页 |
| ·水声信号的混沌特征提取 | 第34-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 水声信号的全局预测模型 | 第42-57页 |
| ·引言 | 第42页 |
| ·神经网络预测模型 | 第42-49页 |
| ·RBF神经网络的基本原理 | 第42-44页 |
| ·RBF神经网络的学习 | 第44-45页 |
| ·RBF神经网络预测模型的仿真 | 第45-49页 |
| ·基于遗传算法的全局预测模型 | 第49-53页 |
| ·遗传算法的基本原理 | 第49-50页 |
| ·遗传算法预测模型的仿真 | 第50-53页 |
| ·两种预测模型在水声信号预测中的比较 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第五章 基于混沌预测的水声信号检测 | 第57-67页 |
| ·引言 | 第57页 |
| ·基于混沌预测的信号检测模型 | 第57-63页 |
| ·基于预测的检测模型 | 第57-61页 |
| ·仿真计算 | 第61-63页 |
| ·水声信号的检测 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 支持向量机理论用于水声信号的分类识别 | 第67-74页 |
| ·引言 | 第67页 |
| ·支持向量机的分类算法 | 第67-70页 |
| ·线性可分情况 | 第67-69页 |
| ·非线性可分情况 | 第69-70页 |
| ·水声信号的分类识别 | 第70-72页 |
| ·本章小结 | 第72-74页 |
| 第七章 全文总结 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 发表论文和参加科研情况说明 | 第79-80页 |
| 致谢 | 第80-81页 |
