| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究背景及意义 | 第10页 |
| ·储粮害虫检测技术研究现状 | 第10-11页 |
| ·储粮害虫声检测技术研究发展概况 | 第11-13页 |
| ·论文研究内容与结构设计 | 第13-16页 |
| 第2章 储粮害虫活动声信号采集 | 第16-22页 |
| ·实验虫种特征 | 第16-17页 |
| ·玉米象形态及习性特征 | 第16页 |
| ·赤拟谷盗形态及习性特征 | 第16-17页 |
| ·储粮害虫活动声信号采集实验设计 | 第17-21页 |
| ·储粮害虫活动状况 | 第17-18页 |
| ·采集系统硬件设计 | 第18页 |
| ·采集系统软件设计 | 第18-19页 |
| ·储粮害虫活动声信号采集 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 储粮害虫活动声信号去噪方法研究 | 第22-42页 |
| ·EMD方法去噪 | 第22-29页 |
| ·EMD理论 | 第22-23页 |
| ·EMD去噪原理 | 第23-25页 |
| ·EMD去噪 | 第25-29页 |
| ·小波阈值方法去噪 | 第29-32页 |
| ·小波阈值去噪理论 | 第29-30页 |
| ·小波阈值方法去噪 | 第30-32页 |
| ·神经网络自适应滤波去噪 | 第32-35页 |
| ·神经网络理论 | 第32-33页 |
| ·BP神经网络 | 第33-34页 |
| ·神经网络自适应滤波去噪 | 第34-35页 |
| ·FastICA算法去噪 | 第35-38页 |
| ·FastICA算法理论 | 第35-36页 |
| ·FastICA算法去噪 | 第36-38页 |
| ·四种算法去噪效果对比与分析 | 第38-39页 |
| ·本章小结 | 第39-42页 |
| 第4章 基于GMM和聚类方法的储粮害虫声信号识别研究 | 第42-52页 |
| ·高斯混合模型 | 第42-44页 |
| ·GMM的基本原理 | 第42页 |
| ·GMM的参数估计 | 第42-43页 |
| ·EM算法 | 第43-44页 |
| ·MFCC特征 | 第44-47页 |
| ·MFCC特征提取原理 | 第44-45页 |
| ·MFCC特征提取过程 | 第45-47页 |
| ·聚类算法 | 第47页 |
| ·基于GMM和聚类方法的声信号识别算法流程 | 第47-48页 |
| ·声信号识别结果与分析 | 第48-49页 |
| ·本章小结 | 第49-52页 |
| 第5章 基于FastICA算法识别和分离储粮害虫声信号 | 第52-60页 |
| ·FastICA算法识别声信号原理 | 第52-53页 |
| ·FastICA算法识别信号 | 第53-58页 |
| ·识别爬行信号 | 第53-54页 |
| ·识别翻身振动信号 | 第54-55页 |
| ·识别混合声信号 | 第55-58页 |
| ·本章小结 | 第58-60页 |
| 第6章 基于ISOMAP和SVM方法识别储粮害虫声信号 | 第60-70页 |
| ·流形学习 | 第60-64页 |
| ·流形学习的研究背景及现状 | 第60页 |
| ·流形学习理论 | 第60-61页 |
| ·等距映射算法ISOMAP | 第61-63页 |
| ·ISOMAP特征提取 | 第63-64页 |
| ·支持向量机 | 第64-67页 |
| ·SVM分类理论 | 第64-66页 |
| ·SVM核函数 | 第66-67页 |
| ·基于ISOMAP和SVM的声信号识别 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第7章 总结与展望 | 第70-72页 |
| ·本文总结 | 第70-71页 |
| ·论文创新点 | 第71页 |
| ·研究展望 | 第71-72页 |
| 参考文献 | 第72-80页 |
| 致谢 | 第80-82页 |
| 攻读学位期间的科研成果 | 第82页 |
