| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究的背景及意义 | 第11-12页 |
| 1.2 声发射技术概述 | 第12-13页 |
| 1.2.1 研究历史与现状 | 第12-13页 |
| 1.2.2 声发射技术的特点 | 第13页 |
| 1.3 稀疏表示理论概述 | 第13-14页 |
| 1.4 本文的主要工作及章节结构 | 第14-15页 |
| 第二章 声发射识别及稀疏表示理论 | 第15-27页 |
| 2.0 引言 | 第15页 |
| 2.1 声发射的基本理论 | 第15-21页 |
| 2.1.1 声发射的概念 | 第15-17页 |
| 2.1.2 声发射信号的处理方法 | 第17-21页 |
| 2.2 稀疏表示的基本理论 | 第21-25页 |
| 2.2.1 信号的稀疏表示 | 第21页 |
| 2.2.2 字典的构造 | 第21-23页 |
| 2.2.3 稀疏表示算法 | 第23-24页 |
| 2.2.4 稀疏表示识别 | 第24-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 基于K-SVD字典学习算法的碰磨声发射信号降噪 | 第27-37页 |
| 3.1 声发射信号降噪算法结构 | 第27-28页 |
| 3.2 K-SVD字典构造算法 | 第28-32页 |
| 3.2.1 K-means算法 | 第28-29页 |
| 3.2.2 K-SVD算法 | 第29-32页 |
| 3.3 信号的重构 | 第32页 |
| 3.3.1 最小l1范数法 | 第32页 |
| 3.3.2 OMP算法 | 第32页 |
| 3.4 实验结果与分析 | 第32-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于D-KSVD判别字典学习算法的声发射识别 | 第37-51页 |
| 4.1 声发射信号特征提取 | 第37-40页 |
| 4.1.1 倒谱特征提取 | 第37-40页 |
| 4.2 GMM-UBM模型建立 | 第40-42页 |
| 4.2.1 高斯混合模型(GMM)模型训练 | 第40-41页 |
| 4.2.2 通用背景模型(UBM) | 第41-42页 |
| 4.3 D-KSVD算法 | 第42-45页 |
| 4.3.1 D-KSVD字典更新 | 第42-44页 |
| 4.3.2 D-KSVD分类算法 | 第44-45页 |
| 4.4 基于D-KSVD的声发射识别 | 第45-46页 |
| 4.5 实验结果与分析 | 第46-48页 |
| 4.6 本章小结 | 第48-51页 |
| 第五章 基于Fisher判别字典学习的声发射识别 | 第51-61页 |
| 5.1 引言 | 第51页 |
| 5.2 基于Fisher判别字典学习算法 | 第51-57页 |
| 5.2.1 Fisher准则 | 第51-53页 |
| 5.2.2 Fisher判别字典训练 | 第53-55页 |
| 5.2.3 Fisher判别字典的更新 | 第55-57页 |
| 5.3 基于Fisher判别字典学习的分类算法 | 第57页 |
| 5.4 实验结果与分析 | 第57-59页 |
| 5.5 本章小结 | 第59-61页 |
| 第六章 基于稀疏自编码网络算法的声发射识别 | 第61-69页 |
| 6.1 稀疏自编码网络模型 | 第61-64页 |
| 6.2 Softmax分类器 | 第64-65页 |
| 6.3 微调 | 第65-66页 |
| 6.4 实验结果与分析 | 第66-68页 |
| 6.5 本章小结 | 第68-69页 |
| 第七章 总结与展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕士学位期间发表的论文 | 第79页 |