基于神经网络数据融合的水下目标检测识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8-9页 |
| ·水下被动目标识别研究概况 | 第9-11页 |
| ·引言 | 第9页 |
| ·特征提取简介 | 第9-11页 |
| ·数据融合技术的发展概况 | 第11-14页 |
| 第二章 小波变换在水中目标辐射噪声中的应用 | 第14-26页 |
| ·小波变换理论 | 第14-15页 |
| ·小波降噪方法研究 | 第15-22页 |
| ·小波降噪方法的基本原理 | 第15-16页 |
| ·小波门限法降噪 | 第16-17页 |
| ·仿真研究 | 第17-21页 |
| ·小波对实测海上某舰船信号的降噪 | 第21-22页 |
| ·小波包阈值降噪 | 第22页 |
| ·基于小波变换的水中目标辐射噪声特征提取 | 第22-25页 |
| ·小波变换在水中目标识别中的应用 | 第22页 |
| ·基于小波变换的目标辐射噪声特征提取 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于高阶谱的目标辐射噪声特征提取 | 第26-43页 |
| ·高阶统计量的定义 | 第27-31页 |
| ·1 1／2谱的表达和性质： | 第31-32页 |
| ·水中目标辐射噪声的1 1／2谱的特征提取 | 第32-36页 |
| ·水中目标辐射噪声的2 1／2谱特征提取 | 第36-41页 |
| ·信号的三次相位耦合与双对相位耦合 | 第36-39页 |
| ·2 1／2维谱耦合特征提取 | 第39-41页 |
| ·利用2 1／2谱的两类特征进行识别 | 第41-42页 |
| ·采用2 1／2谱的三次相位耦合特征进行识别 | 第41-42页 |
| ·采用2 1／2谱的双对相位耦合特征进行识别 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于功率谱的目标辐射噪声特征提取 | 第43-49页 |
| ·线谱特征的提取 | 第43-46页 |
| ·线谱的理论模型 | 第43-44页 |
| ·线谱特征的提取 | 第44-46页 |
| ·分类 | 第46-48页 |
| ·分类器的设计 | 第46-47页 |
| ·分类试验分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 神经网络分类器的设计 | 第49-57页 |
| ·引言 | 第49页 |
| ·分类器设计 | 第49-52页 |
| ·分类器类型 | 第49-50页 |
| ·神经网络结构和类型 | 第50-52页 |
| ·BP神经网络 | 第52-56页 |
| ·利用BP网络分类器对水下目标识别 | 第56页 |
| ·本章小结 | 第56-57页 |
| 第六章 多神经网络特征融合 | 第57-65页 |
| ·数据融合的几种方式 | 第57-58页 |
| ·多神经网络融合 | 第58-59页 |
| ·多分类器融合模型 | 第59-61页 |
| ·融合模型 | 第59-60页 |
| ·多数据融合模型 | 第60-61页 |
| ·多分类器输出向量的概率加权表决方案 | 第61-63页 |
| ·实测数据样本分类 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第七章 全文总结 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 西北工业大学 学位论文知识产权声明书 | 第72页 |
| 西北工业大学学位论文原创性声明 | 第72页 |
