低频振荡模式的傅里叶及神经网络分析方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·低频振荡研究的意义 | 第10-11页 |
| ·低频振荡的机理 | 第11页 |
| ·低频振荡的抑制 | 第11-12页 |
| ·低频振荡分析方法的研究现状及分析 | 第12-14页 |
| ·本文所做的主要工作 | 第14-16页 |
| 第2章 基于滑窗 FFT 算法的主导模式识别方法 | 第16-27页 |
| ·引言 | 第16页 |
| ·FFT 算法 | 第16-19页 |
| ·FFT 算法基本原理 | 第16-17页 |
| ·FFT 算法误差分析 | 第17-19页 |
| ·加窗低频振荡信号的频谱分析 | 第19-21页 |
| ·基于滑窗 FFT 算法的主导模式识别分析 | 第21-23页 |
| ·仿真算例分析 | 第23-26页 |
| ·单模式低频振荡信号的识别 | 第23-24页 |
| ·多模式低频振荡信号的识别 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第3章 FFT 结合神经网络的主导模式识别方法 | 第27-40页 |
| ·引言 | 第27页 |
| ·FFT 结合神经网络的主导模式识别分析 | 第27-34页 |
| ·基于布莱克曼窗的 FFT 算法主导模式提取 | 第27-31页 |
| ·基于神经网络的主导模式识别分析 | 第31-34页 |
| ·仿真算例分析 | 第34-39页 |
| ·无噪声的低频振荡模式识别 | 第34-35页 |
| ·带白噪声的低频振荡模式识别 | 第35-39页 |
| ·小结 | 第39-40页 |
| 第4章 分段傅里叶神经网络的主导模式识别方法 | 第40-54页 |
| ·引言 | 第40页 |
| ·傅里叶级数 | 第40-42页 |
| ·傅里叶级数分析 | 第40-41页 |
| ·非等幅振荡信号的傅里叶级数 | 第41-42页 |
| ·基于分段傅里叶神经网络的主导模式识别分析 | 第42-47页 |
| ·仿真算例分析 | 第47-53页 |
| ·带脉冲噪声时低频振荡模式的识别 | 第47-49页 |
| ·带高频噪声时低频振荡模式的识别 | 第49-51页 |
| ·带白噪声时低频振荡模式的识别 | 第51-53页 |
| ·小结 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录 A 攻读硕士学位期间发表的论文 | 第62-63页 |
| 附录 B 攻读硕士学位期间参与的项目 | 第63页 |
