| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-20页 |
| ·本课题研究意义 | 第12页 |
| ·管道检测技术的发展与现状 | 第12-15页 |
| ·漏磁检测的技术 | 第12-13页 |
| ·国内外漏磁检测的发展状况 | 第13-15页 |
| ·管道检测系统噪声源分析 | 第15页 |
| ·自适应信号处理系统及其应用 | 第15-18页 |
| ·自适应信号处理应用 | 第15-17页 |
| ·自适应信号处理理论和方法 | 第17-18页 |
| ·本文研究的内容及框架 | 第18-20页 |
| 第二章 管道检测系统噪声源分析及抑制研究 | 第20-32页 |
| ·电路的噪声源及噪声消除措施 | 第21-26页 |
| ·有源器件选择 | 第21-22页 |
| ·偏置电路与直流工作点选择 | 第22-24页 |
| ·噪声匹配 | 第24-26页 |
| ·干扰噪声源及其抑制 | 第26-30页 |
| ·环境干扰噪声 | 第26-28页 |
| ·干扰噪声的频谱分布 | 第28页 |
| ·干扰耦合途径 | 第28-29页 |
| ·干扰抑制技术 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 自适应滤波器理论 | 第32-45页 |
| ·衡量自适应滤波器的性能指标 | 第32-33页 |
| ·自适应滤波器原理的频域解释 | 第33-34页 |
| ·最小均方(LMS)算法 | 第34-42页 |
| ·最陡下降法 | 第34-36页 |
| ·最小均方 LMS算法 | 第36页 |
| ·LMS算法收敛性分析 | 第36-37页 |
| ·提高 LMS收敛速度的方法 | 第37-42页 |
| ·递推最小二乘(RLS)算法 | 第42-44页 |
| ·算法原理 | 第43页 |
| ·算法实现 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 自适应噪声消除仿真研究 | 第45-57页 |
| ·最小均方(LMS)自适应算法 | 第45-48页 |
| ·最小均方(LMS)自适应算法性能分析 | 第45-46页 |
| ·参数分析 | 第46-48页 |
| ·归一化 LMS算法原理与性能分析 | 第48-49页 |
| ·最小二乘自适应滤波器 | 第49-50页 |
| ·递推最小二乘(RLS)算法 | 第49页 |
| ·仿真结果分析 | 第49-50页 |
| ·RLS与 LMS算法的比较 | 第50页 |
| ·RLS算法小结 | 第50页 |
| ·自适应噪声抵消在漏磁信号处理中的应用 | 第50-56页 |
| ·自适应噪声抵消 | 第50-54页 |
| ·软件工频干扰消除 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于神经网络的自适应噪声消除研究 | 第57-64页 |
| ·神经网络概述 | 第57-59页 |
| ·多层感知器及 BP算法 | 第57-58页 |
| ·神经网络的学习规则 | 第58-59页 |
| ·神经网络自适应噪声抵消系统 | 第59-62页 |
| ·BP网络模型建立 | 第59页 |
| ·基于神经网络工具箱的 BP网络学习和训练 | 第59-61页 |
| ·基于 Simulink的神经网络噪声抵消系统设计 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·论文研究成果总结 | 第64页 |
| ·进一步工作设想 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 攻读硕士学位期间发表的论文 | 第68页 |