被动声目标识别理论研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-26页 |
| ·研究目的与意义 | 第13-14页 |
| ·战场被动声探测与识别技术的发展现状 | 第14-24页 |
| ·智能地雷系统发展现状 | 第14-20页 |
| ·战场被动声探测技术的发展现状 | 第20-22页 |
| ·被动声识别技术的发展现状 | 第22-24页 |
| ·论文的研究内容和结构安排 | 第24-25页 |
| ·论文取得的主要成果 | 第25-26页 |
| 2 被动声识别总体技术基本理论概述 | 第26-43页 |
| ·声波传播特性 | 第26-28页 |
| ·声场 | 第26-27页 |
| ·声传播模型 | 第27-28页 |
| ·典型战场声信号产生机理及特性 | 第28-31页 |
| ·坦克、履带式装甲车信号产生机理及特性 | 第28-29页 |
| ·直升机信号产生机理及特性 | 第29-30页 |
| ·战斗机信号产生机理及特性 | 第30-31页 |
| ·风雨噪声信号的噪声特性 | 第31页 |
| ·被动声识别技术概述 | 第31-42页 |
| ·传统信号预处理方法 | 第31-36页 |
| ·典型特征提取与选择方法 | 第36-40页 |
| ·经典分类器理论 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 3 声信号预处理算法研究 | 第43-72页 |
| ·基于小波分析的信号预处理 | 第43-47页 |
| ·小波变换基本理论 | 第43-44页 |
| ·小波降噪过程 | 第44-45页 |
| ·小波阈值滤波在声信号降噪中的应用 | 第45-47页 |
| ·多传声器小波多尺度信息融合降噪方法 | 第47-56页 |
| ·多传声器信息融合理论 | 第48-49页 |
| ·时延矢量封闭准则 | 第49-50页 |
| ·小波多尺度三角时延信号消噪技术 | 第50-53页 |
| ·实验信号分析 | 第53-56页 |
| ·EMD理论及其边界效应处理 | 第56-60页 |
| ·EMD理论 | 第56-57页 |
| ·EMD的边界效应处理 | 第57-58页 |
| ·实验信号分析 | 第58-60页 |
| ·自适应EMD噪声抵消技术 | 第60-66页 |
| ·自适应噪声抵消原理 | 第60-62页 |
| ·基于EMD的自适应噪声抵消技术 | 第62-64页 |
| ·实例分析 | 第64-66页 |
| ·多传声器系统的EMD降噪技术 | 第66-71页 |
| ·多传声器下的EMD降噪方法 | 第66-68页 |
| ·实例分析 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 4 声信号特征提取与选择方法研究 | 第72-103页 |
| ·声信号的过零点特征提取技术 | 第72-76页 |
| ·过零点分析理论 | 第72-73页 |
| ·声信号的过零点特征 | 第73-76页 |
| ·基于AR模型的声信号特征提取与选择 | 第76-81页 |
| ·AR模型 | 第77页 |
| ·AR模型阶数的确定 | 第77-78页 |
| ·声信号AR模型参数分析 | 第78-80页 |
| ·基于距离可分性测度的显著性特征选择方法 | 第80-81页 |
| ·基于EMD和能量比的声信号特征提取 | 第81-85页 |
| ·IMF分量的能量比 | 第82-84页 |
| ·基于EMD和能量比的声信号特征向量实例 | 第84-85页 |
| ·基于多尺度分频的信号特征提取 | 第85-92页 |
| ·多尺度分频 | 第86-87页 |
| ·特征向量提取方法 | 第87-92页 |
| ·核Fisher判别分析及特征提取 | 第92-97页 |
| ·线性Fisher判别分析 | 第92-93页 |
| ·核Fisher判别分析 | 第93-95页 |
| ·KFDA核函数与参数的选择 | 第95-96页 |
| ·声信号的核Fisher特征 | 第96-97页 |
| ·类别可分性判据 | 第97-101页 |
| ·特征向量整体可分性 | 第98-100页 |
| ·单类目标特征向量可分性 | 第100页 |
| ·两两目标之间特征向量可分性 | 第100-101页 |
| ·本章小结 | 第101-103页 |
| 5 声目标识别分类器设计 | 第103-121页 |
| ·模板匹配分类器设计 | 第103-107页 |
| ·模式相似性测度 | 第103-104页 |
| ·聚类准则 | 第104-105页 |
| ·基于相关性系数的变权模板匹配分类器 | 第105-106页 |
| ·目标分类结果 | 第106-107页 |
| ·粒子群神经网络 | 第107-115页 |
| ·原始粒子群优化算法 | 第107-110页 |
| ·标准粒子群优化算法 | 第110-112页 |
| ·粒子群神经网络原理 | 第112-114页 |
| ·目标分类结果 | 第114-115页 |
| ·支持向量机 | 第115-118页 |
| ·线性支持向量机 | 第115-117页 |
| ·非线性支持向量机 | 第117-118页 |
| ·目标分类结果 | 第118页 |
| ·三种分类器在不同特征向量下的识别结果分析 | 第118-119页 |
| ·本章小结 | 第119-121页 |
| 6 声目标识别硬件系统设计及实验 | 第121-132页 |
| ·声识别系统硬件结构及试验样机 | 第121-126页 |
| ·声识别系统硬件结构设计 | 第121-122页 |
| ·声识别系统试验样机 | 第122-123页 |
| ·声识别系统主要模块结构及功能 | 第123-126页 |
| ·声目标识别信号采集试验 | 第126-130页 |
| ·室内声速检测试验 | 第126-128页 |
| ·声阵列在三轴转台上不同方位角的信号采集试验 | 第128页 |
| ·室外声速检测实验 | 第128-129页 |
| ·室外信号采集试验 | 第129-130页 |
| ·声目标识别系统性能工程试验 | 第130-131页 |
| ·本章小结 | 第131-132页 |
| 7 结束语 | 第132-135页 |
| ·本文完成的主要研究内容 | 第132-133页 |
| ·本文的主要创新点 | 第133页 |
| ·尚待进一步研究内容 | 第133-135页 |
| 致谢 | 第135-136页 |
| 参考文献 | 第136-146页 |
| 攻读博士期间发表的论文 | 第146-147页 |
| 攻读博士期间申请的国防发明专利 | 第147页 |
