| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外最新研究成果 | 第11-13页 |
| 1.3 本文的研究工作 | 第13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第二章 模拟电路故障诊断概述及相关技术 | 第14-25页 |
| 2.1 模拟电路故障诊断概述 | 第14-17页 |
| 2.1.1 模拟电路故障分类 | 第14-15页 |
| 2.1.2 模拟电路故障诊断原理 | 第15-16页 |
| 2.1.3 模拟电路故障诊断方法和特点 | 第16-17页 |
| 2.2 小波变换理论知识 | 第17-20页 |
| 2.2.1 连续小波变换 | 第18-19页 |
| 2.2.2 离散小波变换 | 第19页 |
| 2.2.3 多分辨分析 | 第19-20页 |
| 2.3 支持向量机的基础理论 | 第20-24页 |
| 2.3.1 支持向量机原理 | 第20-21页 |
| 2.3.2 支持向量机的分类 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 模拟电路故障的特征提取 | 第25-37页 |
| 3.1 故障特征提取方法概述 | 第25-27页 |
| 3.1.1 基于主成分分析的特征提取 | 第25-26页 |
| 3.1.2 基于小波分析的特征提取 | 第26页 |
| 3.1.3 基于提升小波的特征提取 | 第26-27页 |
| 3.1.4 基于经验模式分解的特征提取 | 第27页 |
| 3.1.5 其它特征提取方法 | 第27页 |
| 3.2 提升小波变换 | 第27-32页 |
| 3.2.1 提升小波基的选择 | 第29-30页 |
| 3.2.2 提升db5小波的实现 | 第30-32页 |
| 3.2.3 特征提取的基本步骤 | 第32页 |
| 3.3 实例分析 | 第32-36页 |
| 3.3.1 基于提升小波的故障特征提取 | 第33-35页 |
| 3.3.2 基于提升小波和非提升小波的故障特征提取对比 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 模拟电路诊断的支持向量机方法 | 第37-50页 |
| 4.1 LSSVM的理论知识 | 第37-41页 |
| 4.1.1 LSSVM的算法 | 第38-40页 |
| 4.1.2 LSSVM的稀疏性改进 | 第40-41页 |
| 4.2 LSSVM的模拟电路故障分类 | 第41-42页 |
| 4.2.1 一对一SVM（1-a-1 SVM） | 第41-42页 |
| 4.2.2 一对多SVM（1-a-r SVM） | 第42页 |
| 4.2.3 决策导向无环图（DDAG SVM） | 第42页 |
| 4.3 基于LSSVM的模拟电路故障诊断方法 | 第42-43页 |
| 4.4 实例分析 | 第43-49页 |
| 4.4.1 Elliptical Filter低通滤波电路 | 第44-47页 |
| 4.4.2 双二次高通滤波电路 | 第47-48页 |
| 4.4.3 LSSVM的稀疏性改进仿真 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 基于PSO-LSSVM的模拟电路故障诊断 | 第50-61页 |
| 5.1 粒子群算法 | 第50-55页 |
| 5.1.1 粒子群算法原理 | 第51页 |
| 5.1.2 PSO算法参数分析 | 第51-53页 |
| 5.1.3 PSO算法实现过程 | 第53-55页 |
| 5.2 ARCPSO算法 | 第55-57页 |
| 5.2.1 ARCPSO算法理论基础 | 第55页 |
| 5.2.2 ARCPSO算法原理 | 第55-57页 |
| 5.3 ARCPSO算法的实现步骤 | 第57-58页 |
| 5.4 实例分析 | 第58-59页 |
| 5.5 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第67-68页 |
| 致谢 | 第68页 |