| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 图表清单 | 第10-13页 |
| 注释表 | 第13-14页 |
| 第一章 绪论 | 第14-19页 |
| ·工程背景 | 第14-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·车辆振动与噪声源分析技术研究现状 | 第15页 |
| ·盲源分离的产生与发展 | 第15-16页 |
| ·振动噪声信号的盲源分离 | 第16-17页 |
| ·本文的主要研究工作 | 第17-19页 |
| 第二章 盲源分离的基本理论及算法 | 第19-34页 |
| ·盲源分离的数学模型 | 第19-20页 |
| ·线性瞬时混合模型 | 第19-20页 |
| ·盲源分离的基本假设和不确定性 | 第20页 |
| ·统计知识与信息论基础 | 第20-23页 |
| ·独立性定义 | 第20-21页 |
| ·矩 | 第21页 |
| ·累积量 | 第21-22页 |
| ·熵 | 第22页 |
| ·KL 散度和互信息 | 第22-23页 |
| ·负熵 | 第23页 |
| ·盲源分离算法的分离准则 | 第23-26页 |
| ·基于信息论的准则 | 第24-25页 |
| ·基于最大非高斯性的准则 | 第25-26页 |
| ·盲源分离的典型算法 | 第26-29页 |
| ·盲源分离算法的预处理 | 第26页 |
| ·适合机械振动噪声分离的典型算法 | 第26-29页 |
| ·盲源分离算法评价指标 | 第29页 |
| ·仿真分析 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于盲源分离的结构模态参数识别 | 第34-47页 |
| ·模态参数识别模型 | 第34-35页 |
| ·模态坐标响应的独立性 | 第35-36页 |
| ·方法总结 | 第36页 |
| ·多自由度系统分析 | 第36-40页 |
| ·自由振动响应分析 | 第36-39页 |
| ·随机激励响应分析 | 第39-40页 |
| ·梁结构的自由振动响应分析 | 第40-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 基于 EMD 信号重构的振动信号单通道盲分离 | 第47-67页 |
| ·经验模式分解的基本概念 | 第47-48页 |
| ·基于 EMD 信号重构的单通道盲分离 | 第48-51页 |
| ·源信号数目估计 | 第48-51页 |
| ·基于 EMD 信号重构的单通道盲分离方法 | 第51页 |
| ·仿真分析 | 第51-58页 |
| ·无噪信号分析 | 第51-55页 |
| ·含噪信号分析 | 第55-58页 |
| ·应用研究 | 第58-66页 |
| ·故障车辆数据分析 | 第58-62页 |
| ·涡轮增压系统故障分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 多相关振动噪声源的子带盲分离 | 第67-87页 |
| ·小波和小波包理论 | 第67-69页 |
| ·小波分析 | 第67-68页 |
| ·小波包分解 | 第68-69页 |
| ·子带分解盲分离方法 | 第69-70页 |
| ·子带分解盲分离模型 | 第69-70页 |
| ·子带盲分离算法流程 | 第70页 |
| ·仿真振动信号分析 | 第70-76页 |
| ·车辆发动机多相关噪声源分离 | 第76-81页 |
| ·转子振动信号分离研究 | 第81-85页 |
| ·实验介绍 | 第81-82页 |
| ·实验数据分析 | 第82-85页 |
| ·本章小结 | 第85-87页 |
| 第六章 总结与展望 | 第87-89页 |
| ·本文主要工作 | 第87页 |
| ·工作展望 | 第87-89页 |
| 参考文献 | 第89-95页 |
| 致谢 | 第95-96页 |
| 在学期间参与的科研工作及研究成果 | 第96页 |
| 在学期间的科研工作 | 第96页 |
| 在学期间发表的论文 | 第96页 |
| 在学期间申请的专利 | 第96页 |