| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-11页 |
| 第一章 绪论 | 第11-25页 |
| ·小波分析的发展概况 | 第11-14页 |
| ·神经网络概述 | 第14-17页 |
| ·模拟电路故障诊断方法的发展和展望 | 第17-21页 |
| ·模拟电路故障诊断的传统方法 | 第17-18页 |
| ·故障诊断的新发展 | 第18-21页 |
| ·Hilbert-Huang变换 | 第21-22页 |
| ·本文的主要工作及章节安排 | 第22-25页 |
| 第二章 小波分析和神经网络的基本理论 | 第25-42页 |
| ·多分辨分析 | 第25-27页 |
| ·小波变换及小波快速算法 | 第27-30页 |
| ·小波包分析的定义及性质 | 第30-32页 |
| ·小波包的空间分解和小波包算法 | 第32-34页 |
| ·神经网络的结构和常用学习规则 | 第34-37页 |
| ·神经网络的结构 | 第34页 |
| ·神经网络的常用学习规则 | 第34-37页 |
| ·BP 神经网络的网络结构和基本算法 | 第37-40页 |
| ·BP 神经网络的网络结构 | 第37-38页 |
| ·BP 神经网络的基本算法 | 第38-40页 |
| ·模糊神经网络的学习机理 | 第40-42页 |
| 第三章 模拟电路中的信号去噪算法研究 | 第42-54页 |
| ·引言 | 第42-43页 |
| ·小波模极大值去噪方法 | 第43-45页 |
| ·基于小波系数区域相关的阈值滤波方法 | 第45-46页 |
| ·小波阈值去噪 | 第46-48页 |
| ·一种新的阈值函数 | 第48-50页 |
| ·仿真实验 | 第50-53页 |
| ·小结 | 第53-54页 |
| 第四章 基于小波包变换的模拟电路“能量－故障”诊断 | 第54-62页 |
| ·引言 | 第54页 |
| ·"能量－故障"诊断的原理 | 第54-55页 |
| ·模拟电路的"能量－故障"诊断方法 | 第55-57页 |
| ·应用实例 | 第57-61页 |
| ·小结 | 第61-62页 |
| 第五章 模拟电路故障诊断的小波包预处理神经网络改进算法 | 第62-79页 |
| ·引言 | 第62-63页 |
| ·BP 神经网络 | 第63-65页 |
| ·两种改进的基于小波包预处理的神经网络故障诊断算法 | 第65-71页 |
| ·小波包变换 | 第65-67页 |
| ·最优小波包变换（OWPT）预处理 | 第67-69页 |
| ·不完全小波包变换（IWPT）预处理 | 第69-70页 |
| ·模拟电路故障诊断方法 | 第70-71页 |
| ·仿真实验 | 第71-78页 |
| ·25-kHz Sallen-Key 带通滤波器 | 第71-74页 |
| ·Half-Wave Rectifer滤波器 | 第74-77页 |
| ·Bidquadratic 滤波器 | 第77-78页 |
| ·小结 | 第78-79页 |
| 第六章 基于小波包和模糊规则的模拟电路故障诊断的神经网络算法 | 第79-91页 |
| ·引言 | 第79页 |
| ·小波包特征提取和模糊规则的应用 | 第79-85页 |
| ·小波包最优基特征提取 | 第79-80页 |
| ·模糊规则的应用 | 第80-85页 |
| ·模糊神经网络的故障诊断算法 | 第85-86页 |
| ·仿真实验及结论分析 | 第86-90页 |
| ·小结 | 第90-91页 |
| 第七章 Hilbert-Huang变换及其在语音去噪中的应用 | 第91-104页 |
| ·引言 | 第91-92页 |
| ·Hilbert－Huang 变换 | 第92-100页 |
| ·Huang 变换（EMD 分解） | 第92-97页 |
| ·Hilbert变换与Hilbert谱 | 第97-99页 |
| ·Hilbert-Huang变换的端点效应(End Effect)问题 | 第99-100页 |
| ·Hilbert-Huang变换的有关问题探讨 | 第100页 |
| ·基于Hilbert-Huang 变换的语音去噪方法 | 第100-103页 |
| ·小结 | 第103-104页 |
| 第八章 结束语 | 第104-106页 |
| 致谢 | 第106-107页 |
| 参考文献 | 第107-116页 |
| 攻读学位期间撰写（及合作）的学术论文和参加科研情况 | 第116-117页 |
