分布式光纤传感器周界安防入侵信号的多目标识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 边境安防系统简介 | 第9-10页 |
| 1.1.1 周界安防系统的价值 | 第9页 |
| 1.1.2 安防系统的基本组成 | 第9-10页 |
| 1.2 光纤传感器的介绍 | 第10-16页 |
| 1.2.1 光纤传感器的背景 | 第10页 |
| 1.2.2 光纤传感器的工作原理 | 第10-12页 |
| 1.2.3 干涉型光纤传感器的主要方案 | 第12-15页 |
| 1.2.4 分布式光纤传感器介绍 | 第15-16页 |
| 1.3 分布式光纤传感器周界安防系统的应用 | 第16-17页 |
| 1.4 主要研究工作 | 第17-18页 |
| 1.5 论文组织结构 | 第18-19页 |
| 第2章 信号的检测模型 | 第19-28页 |
| 2.1 光纤的应力应变效应模型 | 第19-22页 |
| 2.2 马赫-泽德干涉仪定位的数学模型 | 第22-25页 |
| 2.3 迈克尔逊光纤传感系统数学模型 | 第25-26页 |
| 2.4 分布式光纤周界安防系统信号检测总体结构图 | 第26-27页 |
| 2.4.1 基于小波分析的检测结构 | 第27页 |
| 2.5 小结 | 第27-28页 |
| 第3章 分布式光纤安防检测系统的信号预处理 | 第28-45页 |
| 3.1 引言 | 第28页 |
| 3.2 小波分析简介 | 第28-35页 |
| 3.2.1 连续小波分析变换 | 第30-33页 |
| 3.2.2 离散小波分析变换 | 第33-35页 |
| 3.3 基于小波多分辨分析的入侵信号识别 | 第35-38页 |
| 3.4 小波阈值去噪方法的研究 | 第38-41页 |
| 3.4.1 小波阈值去噪的基本原理 | 第38-39页 |
| 3.4.2 阈值的选取及处理方法 | 第39-41页 |
| 3.4.3 阈值消除算法的设计 | 第41页 |
| 3.5 实时采集小波阈值消噪分析 | 第41-43页 |
| 3.6 信号的特征提取及能量频谱分析 | 第43-44页 |
| 3.7 小结 | 第44-45页 |
| 第4章 人工神经网络算法识别 | 第45-53页 |
| 4.1 引言 | 第45页 |
| 4.2 BP 神经网络的原理 | 第45-47页 |
| 4.2.1 BP 神经网络的定义 | 第45-46页 |
| 4.2.2 BP 神经网络的基本特点 | 第46页 |
| 4.2.3 BP 神经网络的应用领域 | 第46-47页 |
| 4.3 基本 BP 神经网络的算法推导 | 第47-50页 |
| 4.3.1 BP 神经算法的基本结构 | 第47页 |
| 4.3.2 信号向前传播过程 | 第47-50页 |
| 4.4 BP 神经网络的算法流程图 | 第50-51页 |
| 4.5 BP 神经网络的学习过程 | 第51-52页 |
| 4.5.1 误差函数的确定 | 第51页 |
| 4.5.2 误差梯度下降法 | 第51页 |
| 4.5.3 BP 算法调整 | 第51-52页 |
| 4.6 小结 | 第52-53页 |
| 第5章 分布式光纤周界安防系统实验及其结果 | 第53-59页 |
| 5.1 引言 | 第53页 |
| 5.2 分布式光纤周界安防系统的测试 | 第53-58页 |
| 5.2.1 场外环境介绍 | 第53-54页 |
| 5.2.2 实验方案及实验设备介绍 | 第54-56页 |
| 5.2.3 采集信号的特征提取与实例分析 | 第56-57页 |
| 5.2.4 采集信号数据具体分析 | 第57-58页 |
| 5.3 小结 | 第58-59页 |
| 第6章 工作总结与展望 | 第59-61页 |
| 6.1 本文工作总结 | 第59页 |
| 6.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 个人简历、在校期间发表学术论文与研究成果 | 第66页 |
