| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题背景及意义 | 第9页 |
| ·磨音负荷检测 | 第9-11页 |
| ·数字滤波器 | 第11页 |
| ·本文主要内容 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 磨音信号分析 | 第13-19页 |
| ·信号分析基础 | 第13-14页 |
| ·信号的分类 | 第13页 |
| ·时域和频域 | 第13-14页 |
| ·傅立叶变换 | 第14-16页 |
| ·对磨音信号进行分析 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 数字滤波器的设计 | 第19-37页 |
| ·滤波器的分类 | 第19-20页 |
| ·数字滤波器简介 | 第20-23页 |
| ·FIR 数字滤波器的设计 | 第23-28页 |
| ·IIR 数字滤波器的设计 | 第28-31页 |
| ·两种数字滤波器的比较 | 第31-32页 |
| ·对磨音信号进行滤波 | 第32-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 基于遗传算法的 FIR 滤波器参数优化 | 第37-49页 |
| ·优化问题与遗传算法 | 第37-42页 |
| ·优化问题 | 第37-38页 |
| ·遗传算法简介 | 第38-42页 |
| ·FIR 滤波器的参数优化设计 | 第42-46页 |
| ·FIR 滤波器特性对磨音检测的影响 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于遗传算法的 BP 神经网络的 IIR 滤波器参数优化 | 第49-63页 |
| ·人工神经网络简介 | 第49-53页 |
| ·神经网络原理 | 第50-51页 |
| ·BP 神经网络 | 第51-53页 |
| ·基于遗传算法的 BP 神经网络 | 第53-55页 |
| ·IIR 滤波器的参数优化设计 | 第55-59页 |
| ·IIR 滤波器特性对磨音检测的影响 | 第59-60页 |
| ·两种优化方法的比较 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 第六章 结论与展望 | 第63-65页 |
| ·结论 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 附录 | 第71页 |