| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 研究现状 | 第9-13页 |
| 1.2.1 似然比假设检验方法 | 第10-11页 |
| 1.2.2 统计模式识别方法 | 第11-13页 |
| 1.3 论文主要内容及章节安排 | 第13-15页 |
| 第2章 水声脉冲信号时频分析 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 时频分析概述 | 第15-24页 |
| 2.2.1 短时傅里叶变换 | 第16-17页 |
| 2.2.2 Wigner-Ville时频分布 | 第17-18页 |
| 2.2.3 Cohen类时频分布 | 第18-20页 |
| 2.2.4 自适应核时频分布 | 第20-24页 |
| 2.3 水声脉冲信号特征分析 | 第24-30页 |
| 2.3.1 单频矩形脉冲（CW）信号 | 第24-25页 |
| 2.3.2 线性调频（LFM）信号 | 第25-26页 |
| 2.3.3 非线性调频（NLFM）信号 | 第26-27页 |
| 2.3.4 频率编码（FSK）信号 | 第27-28页 |
| 2.3.5 相位编码（PSK）信号 | 第28-29页 |
| 2.3.6 多相编码信号 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 时频图像特征提取 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 时频图像预处理 | 第31-35页 |
| 3.2.1 图像增强 | 第32页 |
| 3.2.2 阈值分割 | 第32-33页 |
| 3.2.3 形态学处理 | 第33-34页 |
| 3.2.4 图像缩放 | 第34-35页 |
| 3.3 图像特征提取 | 第35-41页 |
| 3.3.1 中心矩特征 | 第35-36页 |
| 3.3.2 Hu矩特征 | 第36-38页 |
| 3.3.3 伪Zernike矩特征 | 第38-39页 |
| 3.3.4 水声脉冲信号时频图像矩特征仿真分析 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 神经网络分类器设计 | 第43-59页 |
| 4.1 引言 | 第43页 |
| 4.2 BP神经网络 | 第43-48页 |
| 4.2.1 BP网络结构 | 第43-45页 |
| 4.2.2 BP网络学习规则 | 第45-47页 |
| 4.2.3 BP网络设计 | 第47-48页 |
| 4.3 基于BP神经网络的调制识别仿真实验及性能分析 | 第48-55页 |
| 4.3.1 BP神经网络基本参数选取 | 第48-52页 |
| 4.3.2 基于不同矩特征的信号识别效果 | 第52页 |
| 4.3.3 信号误识别分析 | 第52-55页 |
| 4.4 实验数据处理 | 第55-58页 |
| 4.4.1 湖试实验数据处理 | 第55-56页 |
| 4.4.2 海试实验数据处理 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |