| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 前言 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究的目的与意义 | 第13-14页 |
| 1.4 研究的主要内容与方法 | 第14-15页 |
| 1.4.1 研究的主要内容 | 第14页 |
| 1.4.2 研究方法 | 第14-15页 |
| 1.5 本章小结 | 第15-17页 |
| 2 小波分析和集合经验模态分解(EEMD)的理论基础 | 第17-36页 |
| 2.1 小波变换 | 第17-22页 |
| 2.1.1 小波变换的发展状况 | 第17-18页 |
| 2.1.2 小波变换的性质 | 第18-19页 |
| 2.1.3 小波去噪方法 | 第19-21页 |
| 2.1.4 小波变换的应用 | 第21-22页 |
| 2.2 经验模态分解(EMD)算法理论基础 | 第22-26页 |
| 2.2.1 瞬时频率 | 第22-23页 |
| 2.2.2 固有模态函数(IMF) | 第23-24页 |
| 2.2.3 EMD的性质 | 第24-25页 |
| 2.2.4 EMD算法的实现 | 第25-26页 |
| 2.3 EEMD理论 | 第26-35页 |
| 2.3.1 模式混叠现象 | 第26-27页 |
| 2.3.2 EEMD算法 | 第27-31页 |
| 2.3.3 EEMD分解的统计特性 | 第31-35页 |
| 2.3.4 EEMD算法的应用 | 第35页 |
| 2.4 本章小结 | 第35-36页 |
| 3 基于EEMD小波阈值去噪算法的方案设计 | 第36-53页 |
| 3.1 EEMD算法的参数选取 | 第36-37页 |
| 3.1.1 白噪声的幅值选取 | 第36页 |
| 3.1.2 集成平均次数 | 第36-37页 |
| 3.2 小波阈值去噪算法的参数选取 | 第37-48页 |
| 3.2.1 小波基及分解层数的确定 | 第37-42页 |
| 3.2.2 阈值函数及阈值的选取 | 第42-48页 |
| 3.3 基于EEMD小波阈值去噪算法的具体方案设计 | 第48-52页 |
| 3.3.1 自适应EEMD小波阈值去噪算法的提出 | 第48-49页 |
| 3.3.2 集合经验模态分解预去噪处理 | 第49-50页 |
| 3.3.3 基于自适应EEMD的小波阈值去噪处理 | 第50-51页 |
| 3.3.4 去噪效果评价指标 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 4 谷物测产信号的获取及去噪效果评价 | 第53-64页 |
| 4.1 谷物测产信号的获取 | 第53-59页 |
| 4.1.1 测产采集平台设计 | 第53-54页 |
| 4.1.2 实验室静态标定试验 | 第54-55页 |
| 4.1.3 谷物测产信号样本获取 | 第55-57页 |
| 4.1.4 谷物测产数据的误差分析 | 第57-59页 |
| 4.2 信号处理与结果分析 | 第59-63页 |
| 4.2.1 去噪方案实施 | 第59-62页 |
| 4.2.2 去噪效果对比分析 | 第62页 |
| 4.2.3 田间验证试验 | 第62-63页 |
| 4.3 本章小结 | 第63-64页 |
| 5 结论 | 第64-65页 |
| 5.1 结论 | 第64页 |
| 5.2 展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72页 |