| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 研究目的与意义 | 第14页 |
| 1.2 国内外研究综述 | 第14-20页 |
| 1.2.1 时变信号的去噪方法 | 第15页 |
| 1.2.2 时变信号的分割方法 | 第15-16页 |
| 1.2.3 时变信号的成分分析方法 | 第16-17页 |
| 1.2.4 时变信号的表示方法 | 第17-19页 |
| 1.2.5 时变信号的分类识别方法 | 第19页 |
| 1.2.6 时变信号的比较方法 | 第19-20页 |
| 1.3 当前研究中存在的主要问题 | 第20-22页 |
| 1.4 主要研究内容及论文组织结构 | 第22-26页 |
| 第2章 基于HILBERT谱的时变信号实时分割方法研究 | 第26-42页 |
| 2.1 引言 | 第26-27页 |
| 2.2 时变信号分割方法中存在的问题以及难点 | 第27-28页 |
| 2.3 基于HILBERT谱的时变信号特性分析 | 第28-31页 |
| 2.3.1 时变信号的Hilbert谱 | 第28-30页 |
| 2.3.2 Hilbert谱特征提取 | 第30-31页 |
| 2.4 基于HILBERT谱特征的实时分割方法 | 第31-37页 |
| 2.4.1 基于能量强度指数的时变信号初始分割点估计 | 第32-33页 |
| 2.4.2 基于Hilbert谱频域能量的时变信号的精确分割点检测 | 第33-35页 |
| 2.4.3 阈值的自适应调整策略 | 第35-37页 |
| 2.5 对音频信号的实时分割效果评价 | 第37-41页 |
| 2.5.1 评价指标 | 第37-38页 |
| 2.5.2 分割效果评价 | 第38-41页 |
| 2.6 本章小结 | 第41-42页 |
| 第3章 ICA/HHT融合的时变信号成分分析方法研究 | 第42-64页 |
| 3.1 引言 | 第42-43页 |
| 3.2 时变信号成分不确定性对成分分析的影响 | 第43-44页 |
| 3.2.1 成分幅值和顺序的不确定性 | 第43-44页 |
| 3.2.2 成分顺序和幅值不确定性对成分分析的影响 | 第44页 |
| 3.3 基于ICA的时变信号分解 | 第44-46页 |
| 3.4 基于EMD的信号中伪迹成分自动识别 | 第46-52页 |
| 3.4.1 基于EMD的成分趋势项提取技术 | 第46-48页 |
| 3.4.2 基于统计的成分趋势特征计算 | 第48-50页 |
| 3.4.3 基于趋势特征聚类的IC分类 | 第50-51页 |
| 3.4.4 基于类间可分离测度的伪迹成分识别 | 第51-52页 |
| 3.5 基于HILBERT谱分析的伪迹成分修正 | 第52-55页 |
| 3.5.1 瞬时频率的合理性 | 第52-53页 |
| 3.5.2 基于Hilbert谱分析的瞬时频率计算 | 第53-55页 |
| 3.5.3 基于瞬时频率滤波的伪迹成分修正 | 第55页 |
| 3.6 实验结果与分析 | 第55-63页 |
| 3.6.1 实验数据描述 | 第55-57页 |
| 3.6.2 信号修正效果主观评价 | 第57-58页 |
| 3.6.3 信号修正效果客观评价 | 第58-59页 |
| 3.6.4 信息保留效果评价 | 第59-63页 |
| 3.7 本章小结 | 第63-64页 |
| 第4章 基于IMFBD稀疏建模的时变信号特征提取方法研究 | 第64-83页 |
| 4.1 引言 | 第64-65页 |
| 4.2 时变信号本征模态函数的特性 | 第65-66页 |
| 4.3 基于IMFBD的时变信号稀疏建模 | 第66-76页 |
| 4.3.1 时变信号的本征模态函数获取 | 第67-68页 |
| 4.3.2 本征模态函数基字典学习 | 第68-74页 |
| 4.3.3 时变信号稀疏建模 | 第74-76页 |
| 4.4 基于压缩感知的时变信号特征提取方法 | 第76-77页 |
| 4.5 实验结果与分析 | 第77-82页 |
| 4.5.1 实验数据描述 | 第78页 |
| 4.5.2 时变信号稀疏建模方法测试 | 第78-79页 |
| 4.5.3 感知特征系数有效性评价 | 第79-82页 |
| 4.6 本章小结 | 第82-83页 |
| 第5章 半监督ART2网络的时变信号分类方法研究 | 第83-101页 |
| 5.1 引言 | 第83-84页 |
| 5.2 半监督学习与神经网络 | 第84-85页 |
| 5.3 基于半监督学习的自适应谐振理论神经网络 | 第85-96页 |
| 5.3.1 传统的ART2神经网络原理及存在问题 | 第85-89页 |
| 5.3.2 SS-ART2神经网络 | 第89-96页 |
| 5.4 SS-ART2网络分类识别性能分析 | 第96-100页 |
| 5.4.1 实验数据描述 | 第97-98页 |
| 5.4.2 实验结果与分析 | 第98-100页 |
| 5.5 本章小结 | 第100-101页 |
| 第6章 时变信号处理系统构建与测试 | 第101-108页 |
| 6.1 引言 | 第101页 |
| 6.2 时变信号处理系统构建 | 第101-103页 |
| 6.3 时变信号处理系统性能评测 | 第103-107页 |
| 6.3.1 实验数据描述 | 第103页 |
| 6.3.2 语音信号预处理 | 第103-104页 |
| 6.3.3 语音信号成分分析 | 第104页 |
| 6.3.4 语音信号特征提取 | 第104-105页 |
| 6.3.5 语音情感分类识别效果评价 | 第105-107页 |
| 6.4 本章小结 | 第107-108页 |
| 结论 | 第108-110页 |
| 参考文献 | 第110-122页 |
| 附录A 英文缩写对照表 | 第122-123页 |
| 攻读博士学位期间发表的论文及其它成果 | 第123-125页 |
| 致谢 | 第125-126页 |
| 个人简历 | 第126页 |
