结晶器温度测量中的自适应滤波方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·课题背景和来源 | 第7页 |
| ·数据采集系统中的抗干扰 | 第7-12页 |
| ·数据采集系统中的干扰 | 第7-9页 |
| ·硬件抗干扰 | 第9-10页 |
| ·软件抗干扰 | 第10-12页 |
| ·主要工作 | 第12-13页 |
| 2 自适应噪声抵消器的基本原理 | 第13-25页 |
| ·自适应滤波的基本原理 | 第13-18页 |
| ·自适应滤波的基本原理 | 第13-14页 |
| ·自适应滤波器的结构 | 第14-15页 |
| ·自适应滤波算法 | 第15-18页 |
| ·自适应噪声抵消的基本原理 | 第18-19页 |
| ·自适应噪声抵消的应用举例 | 第19-24页 |
| ·本章小结 | 第24-25页 |
| 3 基于自适应噪声抵消器的温度信号处理 | 第25-44页 |
| ·结晶器测温系统和温度信号分析 | 第25-28页 |
| ·结晶器测温系统的组成 | 第25-26页 |
| ·结晶器温度信号分析 | 第26-27页 |
| ·常用滤波方法的效果 | 第27-28页 |
| ·基于自适应噪声抵消的温度信号处理 | 第28-31页 |
| ·自适应噪声抵消器的参考信号的选择 | 第28-30页 |
| ·自适应滤波器的阶次选择 | 第30页 |
| ·自适应噪声抵消器输入的延时选择 | 第30-31页 |
| ·自适应滤波算法的性能比较 | 第31-35页 |
| ·基于LMS算法的仿真分析 | 第31-33页 |
| ·基于NLMS算法的仿真分析 | 第33页 |
| ·基于RLS算法的仿真分析 | 第33-35页 |
| ·变步长LMS算法 | 第35-42页 |
| ·SVSLMS算法 | 第35-36页 |
| ·SVSLMS算法的修正算法1 | 第36-38页 |
| ·SVSLMS算法的修正算法2 | 第38页 |
| ·最优步长LMS算法(OVS-LMS) | 第38-40页 |
| ·一个新的变步长NLMS算法 | 第40-42页 |
| ·自适应信号增强器 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于BP神经网络的温度信号处理 | 第44-53页 |
| ·神经网络的基本原理 | 第44-46页 |
| ·神经网络的发展 | 第44页 |
| ·基于神经网络的信号处理 | 第44-45页 |
| ·人工神经元模型 | 第45-46页 |
| ·BP神经网络及其算法 | 第46-49页 |
| ·基于BP算法的滤波 | 第49-52页 |
| ·基于BP算法的自适应陷波器 | 第49-52页 |
| ·基于BP网络的结晶器温度信号处理 | 第52页 |
| ·本章小结 | 第52-53页 |
| 5 结束语 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 研究生期间发表的论文 | 第57-58页 |
| 致谢 | 第58-60页 |
