基于多维特征的振源识别算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 论文的研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 论文的主要工作 | 第10-12页 |
| 第二章 光纤管道安全预警系统 | 第12-17页 |
| 2.1 系统介绍 | 第12页 |
| 2.2 系统组成及工作原理 | 第12-13页 |
| 2.3 系统工作的光学原理 | 第13-15页 |
| 2.4 光纤管道安全预警系统工作流程 | 第15-16页 |
| 2.5 本章小结 | 第16-17页 |
| 第三章 光纤振动数据预处理 | 第17-26页 |
| 3.1 振动信号分帧处理 | 第17-19页 |
| 3.2 数据降噪 | 第19-25页 |
| 3.2.1 小波分析 | 第19-20页 |
| 3.2.2 多分辨分析和Mallat算法 | 第20-22页 |
| 3.2.3 振源信号降噪 | 第22-25页 |
| 3.3 本章小结 | 第25-26页 |
| 第四章 特征提取 | 第26-42页 |
| 4.1 振源类型分析 | 第26页 |
| 4.2 振源信号时域分析 | 第26-34页 |
| 4.2.1 占空比 | 第28-30页 |
| 4.2.2 基频周期 | 第30-34页 |
| 4.3 振源信号频域分析 | 第34-38页 |
| 4.3.1 频率中心 | 第35-38页 |
| 4.4 振源信号时频分析 | 第38-39页 |
| 4.4.1 能量特征向量 | 第38-39页 |
| 4.5 多维特征向量组成 | 第39-40页 |
| 4.6 特征样本库的建立 | 第40-41页 |
| 4.7 本章小结 | 第41-42页 |
| 第五章 分类器 | 第42-55页 |
| 5.1 SVM分类器 | 第42-52页 |
| 5.1.1 SVM数学模型 | 第42-47页 |
| 5.1.2 核函数及其选择 | 第47-48页 |
| 5.1.3 SMO算法 | 第48-51页 |
| 5.1.4 SVM整体流程 | 第51-52页 |
| 5.2 分类器设计 | 第52-54页 |
| 5.2.1 基础分类器设计 | 第52页 |
| 5.2.2 多维特征分类器设计 | 第52-54页 |
| 5.3 结果分析 | 第54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 结论与展望 | 第55-57页 |
| 6.1 结论 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 在学期间的研究成果 | 第60-61页 |
| 致谢 | 第61页 |
