| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 人员及车辆目标地震动信号去噪方法国内外研究现状 | 第12-14页 |
| 1.2.1 基于小波分析的去噪方法国内外研究现状 | 第12-13页 |
| 1.2.2 基于EEMD的去噪方法国内外研究现状 | 第13-14页 |
| 1.3 人员及车辆目标地震动信号识别方法研究现状 | 第14-15页 |
| 1.4 本文研究内容及结构安排 | 第15-17页 |
| 第2章 地震动信号特性分析及典型时频分析方法研究 | 第17-26页 |
| 2.1 地震波传播理论 | 第17-19页 |
| 2.1.1 地震波分类 | 第17-18页 |
| 2.1.2 瑞雷波的基本理论 | 第18-19页 |
| 2.2 信号采集过程 | 第19-21页 |
| 2.3 典型时频方法在地震动信号中的分析 | 第21-25页 |
| 2.3.1 短时傅里叶变换 | 第21-23页 |
| 2.3.2 Wigner Ville分布 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于EEMD的地震动信号去噪方法研究 | 第26-42页 |
| 3.1 EMD算法 | 第26-28页 |
| 3.1.1 固有模态函数 | 第26-27页 |
| 3.1.2 经验模态分解 | 第27-28页 |
| 3.2 EEMD算法 | 第28-30页 |
| 3.2.1 EEMD方法流程 | 第28-29页 |
| 3.2.2 EEMD参数选择 | 第29-30页 |
| 3.3 基于EEMD-小波阈值的联合去噪方法 | 第30-34页 |
| 3.3.1 小波变换理论 | 第31-33页 |
| 3.3.2 基于EEMD-小波阈值的联合去噪方法 | 第33-34页 |
| 3.4 实验结果与分析 | 第34-41页 |
| 3.4.1 模拟数据仿真实验分析 | 第34-36页 |
| 3.4.2 真实数据仿真实验分析 | 第36-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于SVM非平衡决策树的人员及车辆目标地震动信号识别方法研究 | 第42-60页 |
| 4.1 SVM基础理论 | 第42-47页 |
| 4.1.1 logistic回归 | 第42页 |
| 4.1.2 函数间隔与几何间隔 | 第42-44页 |
| 4.1.3 SVM数学推导 | 第44-46页 |
| 4.1.4 核函数 | 第46-47页 |
| 4.2 基于SVM决策树的多分类算法 | 第47-49页 |
| 4.2.1 多类SVM分类问题 | 第47-48页 |
| 4.2.2 基于SVM决策树的多分类算法 | 第48-49页 |
| 4.3 EEMD-SVM非平衡决策树模型的建立 | 第49-51页 |
| 4.3.1 特征提取 | 第49-50页 |
| 4.3.2 EEMD-SVM非平衡决策树训练模型建立 | 第50-51页 |
| 4.3.3 EEMD-SVM非平衡决策树模型的优势 | 第51页 |
| 4.4 实验结果与分析 | 第51-59页 |
| 4.4.1 MATALB仿真实验及分析 | 第51-54页 |
| 4.4.2 GUI界面仿真实验及分析 | 第54-59页 |
| 4.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-69页 |
| 攻读硕士学位期间发表的文章和取得的科研成果 | 第69-71页 |
| 致谢 | 第71页 |
