| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究的目的和意义 | 第11-12页 |
| ·国内外研究现状及发展趋势 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·本论文的主要研究内容 | 第14-16页 |
| ·本文的结构安排 | 第16-17页 |
| 第2章 基于 ICA 的混合音频信号分离 | 第17-37页 |
| ·盲源分离问题描述 | 第17-18页 |
| ·独立性定义 | 第18页 |
| ·独立成分分析原理 | 第18-21页 |
| ·盲信号分离的基本假设和不确定性 | 第21-22页 |
| ·ICA 算法流程 | 第22-23页 |
| ·信号预处理 | 第23-26页 |
| ·中心化 | 第23-24页 |
| ·白化 | 第24-26页 |
| ·分离效果的评价指标 | 第26-27页 |
| ·FastICA 算法 | 第27-32页 |
| ·FastICA 算法原理 | 第27-30页 |
| ·FastICA 算法的优点 | 第30-32页 |
| ·FastICA 仿真实验 | 第32-36页 |
| ·人工混合声音信号的分离 | 第32-33页 |
| ·噪声环境中混叠声音信号的分离 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 汽车音频信号分析与特征提取 | 第37-54页 |
| ·小波变换基础理论 | 第37-38页 |
| ·连续小波变换的定义及特点 | 第38-39页 |
| ·小波包分析基本理论 | 第39-41页 |
| ·小波包的定义 | 第39-40页 |
| ·小波包的子空间分解 | 第40-41页 |
| ·小波包的分解与重建 | 第41页 |
| ·车声信号特征提取及方法 | 第41-43页 |
| ·特征提取的定义 | 第41-42页 |
| ·基于小波包的特征提取方法 | 第42-43页 |
| ·Mel 频率倒谱分析 | 第43-47页 |
| ·基于小波包和 MFCC 参数结合的特征提取 | 第47-52页 |
| ·参数结合的特征提取方法的提出 | 第47页 |
| ·小波包与 MFCC 参数结合算法构思 | 第47-52页 |
| ·本章小结 | 第52-54页 |
| 第4章 基于支持向量机的状态识别和故障分析 | 第54-64页 |
| ·支持向量机的基本思想 | 第54-56页 |
| ·最小二乘支持向量机(LSSVM) | 第56-58页 |
| ·递推最小二乘支持向量机（RLSSVM） | 第58-59页 |
| ·基于递推最小二乘支持向量机（RLSSVM）的故障诊断方法 | 第59-63页 |
| ·支持向量机的算法步骤及流程图 | 第59-60页 |
| ·支持向量机分类识别实验及结果 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 状态与故障分析研究平台设计与实现 | 第64-75页 |
| ·系统总体方案设计 | 第64-65页 |
| ·系统首页面设计 | 第65-66页 |
| ·音频采集模块设计 | 第66-68页 |
| ·汽车运动声信号分析 | 第66-67页 |
| ·汽车运动声信号的采集 | 第67-68页 |
| ·动态链接库机制 | 第68-69页 |
| ·音频分析功能模块设计 | 第69-74页 |
| ·时域、频域分析设计 | 第69-71页 |
| ·混合音频分离功能模块设计 | 第71-72页 |
| ·信号特征值提取功能模块设计 | 第72-74页 |
| ·支持向量机故障诊断模块 | 第74页 |
| ·本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-78页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第82-83页 |
| 致谢 | 第83-84页 |