低频辐射源识别方法研究
摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第12-18页 |
1.1 研究背景和意义 | 第12页 |
1.2 国内外研究现状 | 第12-16页 |
1.3 本文主要内容和结构安排 | 第16-18页 |
第二章 声纳发射机及实验数据准备 | 第18-25页 |
2.1 引言 | 第18页 |
2.2 D类功放原理及电路设计 | 第18-21页 |
2.3 水池实验环境 | 第21-22页 |
2.4 仿真信号产生 | 第22-23页 |
2.5 海洋环境噪声仿真 | 第23页 |
2.6 本章小结 | 第23-25页 |
第三章 基于时频分析的特征提取 | 第25-38页 |
3.1 引言 | 第25页 |
3.2 EEMD算法 | 第25-27页 |
3.3 基于EEMD时频分布的特征提取 | 第27-33页 |
3.4 基于EEMD+FFT的特征提取 | 第33-36页 |
3.5 本章小结 | 第36-38页 |
第四章 基于高阶统计量的特征提取 | 第38-50页 |
4.1 引言 | 第38页 |
4.2 基于循环双谱的特征提取 | 第38-45页 |
4.2.1 高阶循环累积量及循环双谱切片 | 第38-39页 |
4.2.2 仿真及实测信号结果分析 | 第39-44页 |
4.2.3 基于循环双谱切片的特征提取 | 第44-45页 |
4.3 基于高阶累积量的特征提取 | 第45-48页 |
4.3.1 四阶累积量一维对角切片 | 第45-47页 |
4.3.2 仿真及实测信号结果分析 | 第47-48页 |
4.4 本章小结 | 第48-50页 |
第五章 组合分类器设计 | 第50-74页 |
5.1 引言 | 第50-51页 |
5.2 特征降维 | 第51-57页 |
5.2.1 流形学习概述 | 第51页 |
5.2.2 局部线性嵌入法 | 第51-53页 |
5.2.3 降维结果分析 | 第53-57页 |
5.3 支持向量机 | 第57-60页 |
5.4 DS证据理论基本原理 | 第60-63页 |
5.5 BPA函数的确定 | 第63-65页 |
5.6 基于DS-SVM组合分类器的识别结果分析 | 第65-73页 |
5.6.1 仿真信号识别 | 第68-69页 |
5.6.2 实测信号识别 | 第69-73页 |
5.7 本章小结 | 第73-74页 |
第六章 总结与展望 | 第74-76页 |
6.1 本文工作总结 | 第74页 |
6.2 后期工作展望 | 第74-76页 |
参考文献 | 第76-81页 |
致谢 | 第81-82页 |
在学期间的研究成果及发表的学术论文 | 第82页 |