| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-14页 |
| 1．1 研究目的及意义 | 第9-10页 |
| 1．2 研究动态及现状 | 第10-12页 |
| 1．3 本文的主要工作 | 第12-14页 |
| 第二章 人耳听觉特性和听觉模型研究概述 | 第14-24页 |
| 2．1 听觉模型研究概况 | 第14-16页 |
| 2．2 听觉系统简介 | 第16-19页 |
| 2．2．1 外耳 | 第16-17页 |
| 2．2．2 中耳 | 第17页 |
| 2．2．3 内耳 | 第17-18页 |
| 2．2．4 耳蜗对声音信号的时频分析 | 第18-19页 |
| 2．3 听觉模型(LINAM)的工作原理 | 第19-23页 |
| 2．3．1 耳蜗的频率分解 | 第19-20页 |
| 2．3．2 毛细胞及内耳听神经的能量转换 | 第20-21页 |
| 2．3．3 CNS的侧抑止神经网络 | 第21-23页 |
| 2．4 本章小结 | 第23-24页 |
| 第三章 小波变换理论基础 | 第24-38页 |
| 3．1 引言 | 第24-25页 |
| 3．2 小波变换理论 | 第25-34页 |
| 3．2．1 连续小波变换 | 第25-27页 |
| 3．2．2 二进小波变换 | 第27-28页 |
| 3．2．3 离散小波变换 | 第28-30页 |
| 3．2．4 多分辨率分析 | 第30-32页 |
| 3．2．5 小波包变换 | 第32-33页 |
| 3．2．6 小波的性质 | 第33-34页 |
| 3．3 常用小波函数介绍 | 第34-37页 |
| 3．3．1 小波的选择 | 第34页 |
| 3．3．2 Haar小波 | 第34-35页 |
| 3．3．3 Morlet小波 | 第35-36页 |
| 3．3．4 Mexihat小波 | 第36页 |
| 3．3．S Daubechies小波 | 第36-37页 |
| 3．4 本章小结 | 第37-38页 |
| 第四章 基于听觉模型的舰船辐射噪声特征提取 | 第38-59页 |
| 4．1 舰船辐射噪声特性分析 | 第38-39页 |
| 4．2 基于小波变换的舰船辐射噪声的降噪 | 第39-41页 |
| 4．2．1 小波降噪的优越性 | 第39-40页 |
| 4．2．2 信噪分离的原理和方法 | 第40-41页 |
| 4．3 小波降噪的仿真计算 | 第41-48页 |
| 4．3．1 小波降噪和 FFT降噪方法的比较 | 第41-43页 |
| 4．3．2 不同阈值选择方法降噪的比较 | 第43-46页 |
| 4 3．3 实际舰船噪声的降噪 | 第46-48页 |
| 4．4 舰船辐射噪声的时频域分析 | 第48-50页 |
| 4．5 基于小波变换的舰船辐射噪声特征提取 | 第50-54页 |
| 4．5．1 基于小波变换系数特征提取方法简介 | 第50-51页 |
| 4．5．2 利用小波包提取水声信号各个频率段的能量及改进 | 第51-54页 |
| 4．6 基于听觉模型的舰船辐射噪声特征提取 | 第54-58页 |
| 4．6．1 听觉模型的原理 | 第54-56页 |
| 4．6．2 听觉模型算法实现 | 第56-58页 |
| 4．7 本章小结 | 第58-59页 |
| 第五章 基于神经网络的水下目标识别 | 第59-76页 |
| 5．1 引言 | 第59-60页 |
| 5．2 人工神经网络基础 | 第60-68页 |
| 5．2．1 神经网络的基本结构 | 第60-63页 |
| 5．2．2 BP神经网络 | 第63-66页 |
| 5．2．3 神经网络分类器的设计 | 第66-68页 |
| 5．3 舰船辐射噪声的神经网络分类器的设计 | 第68-70页 |
| 5．3．1 舰船辐射噪声的神经网络分类器的结构 | 第68页 |
| 5 3．2 BP算法应用过程中遇到的问题 | 第68-69页 |
| 5．3．3 网络收敛速度慢的改进 | 第69-70页 |
| 5．4 注分类识别结果 | 第70-75页 |
| 5．4．1 舰船辐射噪声功率谱特征提取方法研究 | 第70-73页 |
| 5．4．2 分类识别结果 | 第73-75页 |
| 5．5 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 硕士期间发表的文章 | 第83-84页 |