| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题的背景和意义 | 第9-10页 |
| 1.2 光纤传感技术在周界安防中的应用 | 第10-14页 |
| 1.3 事件定位与模式识别的意义 | 第14-15页 |
| 1.4 本论文的主要工作 | 第15-17页 |
| 第2章 光纤周界安防系统的理论研究 | 第17-27页 |
| 2.1 系统的传感原理 | 第17-20页 |
| 2.1.1 马赫-曾德干涉仪传感原理 | 第17-19页 |
| 2.1.2 双马赫-曾德干涉仪结构传感原理 | 第19-20页 |
| 2.2 系统的扰动定位原理 | 第20-21页 |
| 2.2.1 系统传感光路的构成 | 第20-21页 |
| 2.2.2 时延差计算法 | 第21页 |
| 2.3 系统硬件的构成及实现 | 第21-25页 |
| 2.4 系统软件的设计 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 定位算法研究 | 第27-37页 |
| 3.1 系统定位算法理论分析 | 第27-31页 |
| 3.1.1 非对称双马赫-曾德传感模型 | 第27-28页 |
| 3.1.2 基于过零率的端点检测 | 第28-29页 |
| 3.1.3 改进的EMD算法 | 第29-30页 |
| 3.1.4 基于互相关的时延估计 | 第30-31页 |
| 3.2 影响定位性能的因素分析 | 第31-32页 |
| 3.3 长距离定位算法的验证 | 第32-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 模式识别算法研究 | 第37-51页 |
| 4.1 模式识别算法理论分析 | 第37-42页 |
| 4.1.1 经验模态分解EMD理论分析 | 第37-39页 |
| 4.1.2 峭度的理论分析 | 第39-40页 |
| 4.1.3 径向基函数神经网络RBF理论分析 | 第40-42页 |
| 4.2 模式识别的方法 | 第42-45页 |
| 4.2.1 聚类分析法 | 第42-43页 |
| 4.2.2 支持向量机分类法 | 第43-44页 |
| 4.2.3 神经网络分类法 | 第44-45页 |
| 4.3 高效率多事件的模式识别算法的实验验证 | 第45-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第5章 界面分析与系统实验 | 第51-68页 |
| 5.1 Visual Studio 2010 平台和C | 第51-52页 |
| 5.2 光纤周界安防系统软件平台的设计 | 第52-56页 |
| 5.2.1 采集模块 | 第53-54页 |
| 5.2.2 偏振控制模块 | 第54页 |
| 5.2.3 入侵判定模块 | 第54-56页 |
| 5.3 系统数据库设计 | 第56-57页 |
| 5.3.1 MySQL数据库的简介 | 第56-57页 |
| 5.3.2 数据表的设计 | 第57页 |
| 5.4 UI界面分析 | 第57-66页 |
| 5.4.1 菜单栏 | 第58-59页 |
| 5.4.2 工具栏 | 第59页 |
| 5.4.3 子窗体显示界面 | 第59-66页 |
| 5.5 系统性能指标 | 第66-67页 |
| 5.6 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 发表论文和参加科研情况说明 | 第76-78页 |
| 致谢 | 第78-79页 |