| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景 | 第11-12页 |
| ·国内外研究现状分析 | 第12-14页 |
| ·飞机短波无线电信道及飞机舱背景噪音 | 第14-15页 |
| ·飞机短波无线电信道分析 | 第14-15页 |
| ·飞机舱内背景噪音分析 | 第15页 |
| ·论文的研究内容及结构安排 | 第15-17页 |
| 第2章 基于小波变换的背景噪音特征提取 | 第17-37页 |
| ·连续小波变换 | 第17-20页 |
| ·一维连续小波变换 | 第17-19页 |
| ·对偶小波 | 第19页 |
| ·连续小波变换性质 | 第19-20页 |
| ·离散小波变换 | 第20-21页 |
| ·二进小波变换 | 第21-23页 |
| ·二进小波变换及其逆变换 | 第22页 |
| ·二进小波的性质 | 第22-23页 |
| ·多分辨分析与MALLAT算法 | 第23-26页 |
| ·多分辨分析 | 第23-24页 |
| ·MALLAT算法 | 第24-26页 |
| ·小波包分析 | 第26-30页 |
| ·小波包的定义 | 第26-28页 |
| ·小波包的性质 | 第28页 |
| ·小波包的快速算法 | 第28-29页 |
| ·常用小波函数 | 第29-30页 |
| ·飞机短波无线电通信基于空-地应答语音声信号的分析 | 第30-36页 |
| ·特征提取 | 第32-34页 |
| ·实验及结果分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于神经网络的分类器设计 | 第37-50页 |
| ·人工神经网络的模型 | 第37-39页 |
| ·神经网络进行模式识别的特点 | 第39-40页 |
| ·BP神经网络理论 | 第40-47页 |
| ·BP神经网络结构 | 第40-41页 |
| ·BP神经网络层数设计 | 第41-43页 |
| ·BP神经网络的算法 | 第43-44页 |
| ·BP神经网络的学习规则 | 第44-46页 |
| ·BP神经网络的初始权值的选取 | 第46页 |
| ·BP神经网络的不足及改进 | 第46-47页 |
| ·典型的BP神经网络识别系统 | 第47页 |
| ·实验及结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于支持向量机的分类器设计 | 第50-65页 |
| ·统计学习理论 | 第50-54页 |
| ·统计学习理论基本内容 | 第50-51页 |
| ·VC维 | 第51页 |
| ·推广性的界 | 第51-52页 |
| ·结构风险最小化 | 第52-54页 |
| ·支持向量机 | 第54-63页 |
| ·最优分类超平面 | 第54-58页 |
| ·支持向量机 | 第58-59页 |
| ·支持向量机的优点 | 第59-60页 |
| ·支持向量机的核函数 | 第60-61页 |
| ·支持向量机的分类学习算法 | 第61页 |
| ·支持向量机的多分类划分 | 第61-63页 |
| ·实验及结果分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73页 |