基于小波变换的高速列车监测数据处理
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 选题背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 信号处理常用时频方法 | 第12-13页 |
| 1.4 本文研究内容 | 第13-14页 |
| 1.5 本文结构安排 | 第14-15页 |
| 第二章 高速列车监测数据小波包络谱分析 | 第15-28页 |
| 2.1 引言 | 第15页 |
| 2.2 监测数据介绍 | 第15-17页 |
| 2.3 监测数据时、频分析 | 第17-21页 |
| 2.4 小波包络谱分析 | 第21-27页 |
| 2.4.1 小波变换基本理论 | 第22-23页 |
| 2.4.2 离散小波变换 | 第23-24页 |
| 2.4.3 Hilbert变换 | 第24页 |
| 2.4.4 监测数据特征频率提取 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 高速列车监测数据小波包特征熵提取 | 第28-52页 |
| 3.1 引言 | 第28页 |
| 3.2 小波包变换 | 第28-30页 |
| 3.2.1 小波包定义 | 第28-29页 |
| 3.2.2 小波包算法实现 | 第29-30页 |
| 3.3 小波基函数选择 | 第30-32页 |
| 3.4 小波包分解层数确定 | 第32页 |
| 3.5 小波包熵测度 | 第32-34页 |
| 3.6 小波包特征熵提取方法 | 第34-35页 |
| 3.7 监测数据分析 | 第35-42页 |
| 3.7.1 监测数据小波包特征熵提取 | 第35-36页 |
| 3.7.2 监测数据小波包特征熵分析 | 第36-42页 |
| 3.8 支持向量机分类器 | 第42-51页 |
| 3.8.1 支持向量机基本原理 | 第42-44页 |
| 3.8.2 实验及结果分析 | 第44-51页 |
| 3.9 本章小结 | 第51-52页 |
| 第四章 高速列车监测数据小波包自回归谱分析 | 第52-68页 |
| 4.1 引言 | 第52页 |
| 4.2 自回归谱分析 | 第52-56页 |
| 4.2.1 自回归谱模型参数估计 | 第52-54页 |
| 4.2.2 自回归谱模型阶数选择 | 第54-55页 |
| 4.2.3 监测数据自回归谱分析 | 第55-56页 |
| 4.3 小波包自回归谱参数模型 | 第56-57页 |
| 4.4 小波包自回归谱参数模型特征提取方法 | 第57-59页 |
| 4.5 监测数据实验结果及分析 | 第59-66页 |
| 4.6 本章小结 | 第66-68页 |
| 总结与展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间发表的学术论文和参与的项目 | 第76页 |
