| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·论文的背景及意义 | 第10-11页 |
| ·低频振荡的机理分析及抑制方法 | 第11-15页 |
| ·低频振荡的定义与分类 | 第11-12页 |
| ·低频振荡的产生原因 | 第12页 |
| ·低频振荡的的分析方法 | 第12-15页 |
| ·Prony 方法在低频振荡分析中的研究现状 | 第15-17页 |
| ·本文主要的研究工作 | 第17-18页 |
| 第2章 PRONY 算法在低频振荡模式识别中的应用 | 第18-30页 |
| ·引言 | 第18页 |
| ·Prony 算法原理 | 第18-22页 |
| ·Prony 算法的基本原理 | 第18-21页 |
| ·扩展 Prony 算法及计算 | 第21-22页 |
| ·Prony 算法的参数选择 | 第22-24页 |
| ·采样频率 | 第22-23页 |
| ·采样时间 | 第23页 |
| ·模型有效阶数 | 第23-24页 |
| ·衡量拟合精度的指标 | 第24-25页 |
| ·Prony 算法的振荡模式识别精度分析 | 第25-29页 |
| ·理想信号的识别分析 | 第25-26页 |
| ·含噪信号的识别分析 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于带宽分析的余弦基神经网络滤波方法 | 第30-40页 |
| ·引言 | 第30页 |
| ·带宽理论 | 第30-31页 |
| ·基于带宽分析的余弦基神经网络的滤波研究 | 第31-34页 |
| ·仿真算例分析 | 第34-39页 |
| ·叠加脉冲噪声信号的滤波识别分析 | 第34-36页 |
| ·叠加高频噪声信号的滤波识别分析 | 第36-38页 |
| ·叠加白噪声信号的滤波识别分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于神经网络的 FIR 自适应滤波方法 | 第40-50页 |
| ·引言 | 第40页 |
| ·FIR 滤波器原理 | 第40-42页 |
| ·基于神经网络的 FIR 自适应滤波分析 | 第42-43页 |
| ·仿真算例分析 | 第43-49页 |
| ·单模式信号的滤波识别分析 | 第43-44页 |
| ·多模式信号的滤波识别分析 | 第44-46页 |
| ·不同程度噪声干扰的滤波识别分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 结论与展望 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-59页 |
| 附录 A 攻读硕士学位期间发表的论文 | 第59-60页 |
| 附录 B 攻读硕士学位期间参与的项目 | 第60页 |