| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 项目背景 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-13页 |
| 1.2.1 干涉型分布式光纤传感器的发展现状 | 第11页 |
| 1.2.2 分布式传感器后端数据的数字信号处理的发展现状 | 第11-12页 |
| 1.2.3 分布式传感信号模式识别的研究现状 | 第12-13页 |
| 1.3 本课题主要研究内容 | 第13-15页 |
| 第2章 基于Mach-Zehnder分布式光纤安防系统 | 第15-22页 |
| 2.1 光纤传感器 | 第15-16页 |
| 2.2 Mach-Zehnder光纤干涉仪传感系统 | 第16-21页 |
| 2.2.1 Mach-Zehnder干涉型光纤传感器原理 | 第16-20页 |
| 2.2.2 基于双Mach-Zehnder干涉仪的相位调制原理 | 第20-21页 |
| 2.2.3 基于Mach-Zehnder干涉仪的定位原理 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 小波变换基础理论 | 第22-30页 |
| 3.1 小波变换理论 | 第22-25页 |
| 3.2 小波分解原理 | 第25-29页 |
| 3.2.1 小波的选择 | 第27页 |
| 3.2.2 小波的分解 | 第27-28页 |
| 3.2.3 小波重构 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 分布式光纤安防检测信号的特征提取 | 第30-38页 |
| 4.1 小波能谱 | 第30-31页 |
| 4.2 小波能谱特征提取 | 第31-32页 |
| 4.3 三种边界振动信号小波能谱特征及分析 | 第32-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 分布式光纤安防检测信号的分类识别 | 第38-56页 |
| 5.1 人工神经网络概述 | 第38-43页 |
| 5.1.1 神经网络的学习方式 | 第39页 |
| 5.1.2 神经网络的学习规则 | 第39-41页 |
| 5.1.3 神经网络的分类 | 第41-43页 |
| 5.1.4 神经网络的优点 | 第43页 |
| 5.2 基于BP神经网络的检测信号识别 | 第43-55页 |
| 5.2.1 BP神经网络结构 | 第44-47页 |
| 5.2.2 改进的BP算法 | 第47-50页 |
| 5.2.3 BP神经网络的设计 | 第50-53页 |
| 5.2.4 BP神经网络的训练和仿真 | 第53-55页 |
| 5.3 本章小结 | 第55-56页 |
| 总结 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 作者简介 | 第61页 |
