舱室噪声源特征提取与信息融合技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 论文研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 特征提取技术发展现状 | 第9-10页 |
| 1.2.2 信息融合的发展现状 | 第10-11页 |
| 1.3 论文主要研究内容与结构 | 第11-13页 |
| 第2章 舱室噪声源特征提取方法研究 | 第13-28页 |
| 2.1 基于时域波形的特征提取 | 第13-15页 |
| 2.2 基于频谱估计的特征提取 | 第15-17页 |
| 2.2.1 自谱特征提取 | 第15-16页 |
| 2.2.2 双谱特征提取 | 第16-17页 |
| 2.3 基于时频分析的特征提取 | 第17-26页 |
| 2.3.1 短时傅里叶变换的特征提取 | 第18-20页 |
| 2.3.2 小波包分析的特征提取 | 第20-22页 |
| 2.3.3 经验模态分解 | 第22-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 信息融合算法研究 | 第28-49页 |
| 3.1 目标识别信息融合的层次 | 第28-30页 |
| 3.1.1 数据层融合 | 第28-29页 |
| 3.1.2 特征层融合 | 第29页 |
| 3.1.3 决策层融合 | 第29-30页 |
| 3.2 Dempster-Shafer证据理论 | 第30-33页 |
| 3.2.1 证据理论的基本概念 | 第30-31页 |
| 3.2.2 组合规则 | 第31-33页 |
| 3.3 基于D-S证据理论的目标识别融合 | 第33-36页 |
| 3.3.1 时域递归目标识别融合 | 第33-34页 |
| 3.3.2 空域目标识别融合 | 第34-35页 |
| 3.3.3 基于D-S证据理论的信息融合过程 | 第35页 |
| 3.3.4 基于证据理论的决策 | 第35-36页 |
| 3.4 基本概率赋值的获取方法 | 第36-41页 |
| 3.4.1 特征标准化 | 第36-39页 |
| 3.4.2 基本概率赋值的获取 | 第39-41页 |
| 3.5 对D-S证据理论的改进 | 第41-48页 |
| 3.5.1 证据理论的优点与缺点 | 第41-42页 |
| 3.5.2 基于D-S证据理论的改进算法研究 | 第42-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 舱室噪声源试验研究 | 第49-72页 |
| 4.1 试验系统 | 第49-53页 |
| 4.1.1 试验对象 | 第49页 |
| 4.1.2 试验仪器及试验框图 | 第49-51页 |
| 4.1.3 试验过程及数据记录 | 第51-53页 |
| 4.2 试验数据处理分析 | 第53-67页 |
| 4.2.1 舱室内与自由场声压级对比 | 第53-62页 |
| 4.2.2 特征提取分析 | 第62-67页 |
| 4.3 基于D-S证据理论的舱室主要噪声源识别 | 第67-71页 |
| 4.3.1 特征向量的提取与选择 | 第67页 |
| 4.3.2 获取基本概率赋值 | 第67-69页 |
| 4.3.3 基于D-S证据理论的目标识别 | 第69-70页 |
| 4.3.4 目标识别结果分析 | 第70-71页 |
| 4.4 本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士期间发表的论文和取得的科研成果 | 第76-77页 |
| 致谢 | 第77页 |
