| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·研究背景及目的 | 第8-9页 |
| ·空中目标声信号识别的研究背景 | 第8页 |
| ·空中目标声信号识别的研究意义 | 第8-9页 |
| ·论文的研究目的 | 第9页 |
| ·论文内容安排 | 第9-10页 |
| ·论文贡献 | 第10-11页 |
| 2 目标识别的一般过程 | 第11-16页 |
| ·声信号的预处理 | 第11-12页 |
| ·特征选择与提取 | 第12-13页 |
| ·学习和训练 | 第13页 |
| ·分类识别 | 第13-15页 |
| ·统计模式识别 | 第13-14页 |
| ·句法分析技术 | 第14页 |
| ·模糊分类器识别技术 | 第14页 |
| ·神经网络分类器 | 第14-15页 |
| ·人工智能方法 | 第15页 |
| ·本章小结 | 第15-16页 |
| 3 基于小波变换的声信号预处理 | 第16-32页 |
| ·小波变换的由来 | 第16-18页 |
| ·小波变换及其性质 | 第18-21页 |
| ·小波变换理论 | 第18-20页 |
| ·小波变换的性质 | 第20-21页 |
| ·多分辨率分析 | 第21-23页 |
| ·多分辨率分析 | 第21-23页 |
| ·多分辨率分析的应用 | 第23页 |
| ·小波分解信号重构 | 第23页 |
| ·几种常见小波 | 第23-25页 |
| ·Haar小波 | 第24页 |
| ·Daubechies小波 | 第24-25页 |
| ·Morlet小波 | 第25页 |
| ·Marr小波 | 第25页 |
| ·小波去噪方法研究 | 第25-31页 |
| ·几种小波去噪方法 | 第25页 |
| ·小波阈值去噪原理 | 第25-26页 |
| ·小波硬、软阈值去噪 | 第26-28页 |
| ·实验与结论 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 4 声信号特征提取方法研究 | 第32-43页 |
| ·战场空中声目标的噪声物理特性 | 第32-34页 |
| ·机体噪声 | 第32-33页 |
| ·螺旋桨噪声 | 第33页 |
| ·风扇/压气机噪声 | 第33-34页 |
| ·喷流噪声 | 第34页 |
| ·燃烧噪声和核心噪声 | 第34页 |
| ·基于自相关的声信号特征提取 | 第34-37页 |
| ·相关函数的估计 | 第34-35页 |
| ·空中声信号自相关的特征分析 | 第35-37页 |
| ·基于最大熵谱估计的声信号特征提取 | 第37-39页 |
| ·功率谱的估计 | 第37页 |
| ·最大熵谱估计与分析 | 第37-38页 |
| ·空中声信号最大熵谱的特征分析 | 第38-39页 |
| ·基于主分量分析的特征提取 | 第39-42页 |
| ·主分量分析的基本思想 | 第39-40页 |
| ·主分量(PCA)分析算法 | 第40-41页 |
| ·基于主分量分析的频域特征提取 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 基于神经网络的分类器设计 | 第43-60页 |
| ·人工神经网络与分类器 | 第43-47页 |
| ·人工神经网络概述 | 第43-44页 |
| ·几种常见的神经网络模型 | 第44-47页 |
| ·空中声目标识别的神经网络分类器模型 | 第47-48页 |
| ·空中声目标识别神经网络分类器的算法研究 | 第48-53页 |
| ·权值的修正 | 第49-51页 |
| ·阈值的修正 | 第51-52页 |
| ·传递函数f(x)的推导公式 | 第52-53页 |
| ·神经网络的训练(学习) | 第53-54页 |
| ·BP算法的改进 | 第54-56页 |
| ·变步长的算法 | 第54-55页 |
| ·加动量项 | 第55-56页 |
| ·防止过拟合现象 | 第56页 |
| ·神经网络分类器的参数确定 | 第56-59页 |
| ·网络结构 | 第56-57页 |
| ·输入参数及输入节点的选取 | 第57页 |
| ·隐含层节点的确定 | 第57-58页 |
| ·网络输出 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 6 实验与总结 | 第60-66页 |
| ·软件介绍 | 第60-61页 |
| ·LabVIEW简介 | 第60页 |
| ·MATLAB简介 | 第60页 |
| ·MATLAB和LabVIEW的结合 | 第60-61页 |
| ·实验结论 | 第61-64页 |
| ·基于自相关的时域特征识别 | 第62-63页 |
| ·基于最大熵谱估计的频域特征识别 | 第63-64页 |
| ·基于PCA的频域特征提取 | 第64页 |
| ·实验总结 | 第64-66页 |
| 总结与展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录1: BP神经网络训练的MATLAB程序 | 第72-74页 |
| 附录2: MATLAB和LabVIEW的结合程序界面 | 第74页 |