果蝇鸣声特征提取及人工神经网络分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 昆虫鸣声及果蝇鸣声研究概述 | 第9-22页 |
| ·昆虫鸣声的研究现状 | 第9-18页 |
| ·直翅目昆虫的鸣声研究现状 | 第10-13页 |
| ·鞘翅目昆虫鸣声研究 | 第13-14页 |
| ·同翅目昆虫的鸣声研究 | 第14-16页 |
| ·鳞翅目昆虫鸣声研究 | 第16页 |
| ·膜翅目蜜蜂鸣声研究 | 第16-17页 |
| ·双翅目蚊虫鸣声研究 | 第17-18页 |
| ·果蝇鸣声研究现状 | 第18-22页 |
| 第二章 论文研究的目的、意义和对象环境 | 第22-27页 |
| ·目的和意义 | 第22页 |
| ·研究内容 | 第22-23页 |
| ·实验果蝇的喂养、区分方法 | 第23页 |
| ·计算机录音软件设置及录音 | 第23-27页 |
| 第三章 小波分析及自适应滤波对果蝇鸣声的处理 | 第27-40页 |
| ·小波分析理论 | 第27-31页 |
| ·小波变换原理 | 第27-28页 |
| ·噪声在小波分解下的特性 | 第28-29页 |
| ·小波降噪的特点 | 第29-30页 |
| ·小波降噪的方法 | 第30页 |
| ·小波在信号降噪中的应用 | 第30-31页 |
| ·小波分析对鸣声信号的处理 | 第31-33页 |
| ·自适应滤波 | 第33-35页 |
| ·自适应滤波器 | 第33-34页 |
| ·自适应噪声抵消系统基本原理 | 第34-35页 |
| ·LMS自适应滤波器 | 第35页 |
| ·自适应消噪技术对鸣声信号的处理 | 第35-39页 |
| ·LMS自适应滤波器对鸣声信号的处理 | 第35-37页 |
| ·自适应神经网络用于噪声对消 | 第37-39页 |
| ·小结 | 第39-40页 |
| 第四章 果蝇鸣声特征数字化分析 | 第40-51页 |
| ·鸣声的时域分析 | 第40-45页 |
| ·鸣声的频域分析 | 第45-50页 |
| ·小结 | 第50-51页 |
| 第五章 人工神经网络对果蝇的分类识别 | 第51-66页 |
| ·BP神经网络结构 | 第51-52页 |
| ·BP网络的学习规则 | 第52-54页 |
| ·BP神经网络对果蝇翅振鸣声的分类识别 | 第54-65页 |
| ·对样本的分组及预处理 | 第54-55页 |
| ·神经网络拓扑结构的确定 | 第55-56页 |
| ·神经网络的训练 | 第56-57页 |
| ·实验结果 | 第57-65页 |
| ·小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间的研究成果 | 第74页 |
