| 第一章 绪论 | 第1-14页 |
| 1．1 本课题研究的背景及意义 | 第8页 |
| 1．2 国内外研究现状及水平 | 第8-9页 |
| 1．3 含水率的测量方法综述 | 第9-11页 |
| 1．3．1 干燥法 | 第9页 |
| 1．3．2 化学法 | 第9-10页 |
| 1．3．3 电测法 | 第10页 |
| 1．3．4 中子法 | 第10页 |
| 1．3．5 射线法 | 第10-11页 |
| 1．4 红外线法测量水分的基本原理 | 第11-12页 |
| 1．5 小波软阈值滤波法与信息融合技术的提出及其目的 | 第12-13页 |
| 1．5．1 小波软阈值滤波法的提出及其目的 | 第12-13页 |
| 1．5．2 信息融合技术的提出及其目的 | 第13页 |
| 1．6 本课题的主要工作 | 第13-14页 |
| 第二章 光学系统与电子电路的设计 | 第14-23页 |
| 2．1 硫化铅光电导探测器及其测量电路 | 第14-17页 |
| 2．1．1 光电导效应与光电导 | 第14页 |
| 2．1．2 硫化铅光电导探测器及其温度特性 | 第14-16页 |
| 2．1．2．1 硫化铅光电导探测器的选择 | 第14-16页 |
| 2．1．2．2 硫化铅光电导探测器的温度特性 | 第16页 |
| 2．1．3 检测信号前置放大电路 | 第16-17页 |
| 2．1．4 电子电路抗干扰措施 | 第17页 |
| 2．2 温度传感器 | 第17-18页 |
| 2．3 A/D转换电路 | 第18页 |
| 2．4 检测电路系统框图 | 第18页 |
| 2．5 光学系统原理与调试 | 第18-21页 |
| 2．5．1 光学系统原理图 | 第18-20页 |
| 2．5．2 光路的调试 | 第20页 |
| 2．5．3 同步装置及温度传感器的安放 | 第20-21页 |
| 2．6 电路的输出波形 | 第21-23页 |
| 第三章 标准样品的制作与被测物含水率的计算 | 第23-26页 |
| 3．1 标准样品的制作 | 第23-24页 |
| 3．1．1 样品制作所需的仪器 | 第23页 |
| 3．1．2 样品的制作 | 第23-24页 |
| 3．2 红外射线法测量被测物含水率的基本原理 | 第24-25页 |
| 3．3 被测物含水率的计算 | 第25-26页 |
| 第四章 小波去噪 | 第26-37页 |
| 4．1 小波分析概述 | 第26-27页 |
| 4．1．1 小波函数的概念 | 第26页 |
| 4．1．2 小波变换的定义 | 第26-27页 |
| 4．2 多尺度分析与正交小波变换的快速算法 | 第27-37页 |
| 4．2．1 多尺度分析的定义 | 第27-29页 |
| 4．2．2 二尺度方程与多分辨率滤波器组 | 第29页 |
| 4．2．3 正交小波变换的Mallat算法 | 第29-30页 |
| 4．2．4 Mallat算法的工程解析 | 第30-32页 |
| 4．2．4．1 离散序列的小波分解 | 第30-32页 |
| 4．2．4．2 离散序列的小波重构 | 第32页 |
| 4．2．5 滤波器组系数的确定 | 第32页 |
| 4．2．6 小波软阈值去噪的原理和步骤 | 第32-37页 |
| 4．2．6．1 小波去噪原理 | 第32-33页 |
| 4．2．6．2 小波软阈值算法的实现步骤 | 第33页 |
| 4．2．6．3 阈值选取规则 | 第33-35页 |
| 4．2．6．4 小波去噪的性能评价标准 | 第35页 |
| 4．2．6．5 去噪有效性的保证 | 第35-37页 |
| 第五章 数据融合的原理与方法 | 第37-53页 |
| 5．1 数据融合的原理 | 第37-42页 |
| 5．1．1 数据融合的定义 | 第37页 |
| 5．1．2 信息融合的特点 | 第37-38页 |
| 5．1．3 信息融合的结构形式 | 第38-39页 |
| 5．1．4 信息融合的层次 | 第39-41页 |
| 5．1．4．1 像素级融合 | 第39-40页 |
| 5．1．4．2 特征级融合 | 第40页 |
| 5．1．4．3 决策级融合 | 第40-41页 |
| 5．1．4．4 跟踪融合 | 第41页 |
| 5．1．5 信息融合的构成 | 第41-42页 |
| 5．2 信息融合的方法 | 第42-43页 |
| 5．3 基于人工神经网络的信息融合 | 第43-53页 |
| 5．3．1 人工神经网络原理 | 第43-48页 |
| 5．3．1．1 人工神经网络模型 | 第43-45页 |
| 5．3．1．2 人工神经网络结构及工作方式 | 第45-46页 |
| 5．3．1．3 神经网络的学习和记忆 | 第46-48页 |
| 5．3．2 BP网络 | 第48-53页 |
| 5．3．2．1 BP网络模型 | 第48-49页 |
| 5．3．2．2 学习算法 | 第49-50页 |
| 5．3．2．3 BP算法程序实现 | 第50-51页 |
| 5．3．2．4 BP算法的改进 | 第51-53页 |
| 第六章 系统软件的设计与仿真 | 第53-75页 |
| 6．1 程序设计的总体思路 | 第53-56页 |
| 6．2 滤波算法的程序设计 | 第56-66页 |
| 6．2．1 小波软阈值算法的仿真实验 | 第56-62页 |
| 6．2．1．1 小波软阈值算法的仿真实验 | 第56-60页 |
| 6．2．1．2 小波软阈值去噪有效性的检验 | 第60-62页 |
| 6．2．2 小波软阈值算法的C语言程序实现 | 第62-66页 |
| 6．2．2．1 快速算法的小波分解与合成 | 第62-65页 |
| 6．2．2．2 小波去噪的实现 | 第65-66页 |
| 6．3 基于BP网络的信息融合技术的仿真实验与仿真结果分析 | 第66-75页 |
| 6．3．1 样本库的建立 | 第67-70页 |
| 6．3．1．1 实验标定 | 第67-68页 |
| 6．3．1．2 BP神经网络训练样本的数据尺度变换处理 | 第68-70页 |
| 6．3．2 BP神经网络结构设计的仿真试验 | 第70-71页 |
| 6．3．3 信息融合的效果 | 第71-75页 |
| 结束语 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 附录 | 第80-81页 |
