| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·课题背景 | 第9-11页 |
| ·国内外研究现状 | 第11-19页 |
| ·大数干扰 | 第11-12页 |
| ·免疫算法 | 第12-14页 |
| ·神经网络 | 第14-15页 |
| ·滤波器 | 第15-17页 |
| ·自适应滤波器 | 第17-19页 |
| ·本文主要研究内容与结构 | 第19-21页 |
| 第二章 瓦斯监测中的大数干扰产生原因及抗干扰技术研究 | 第21-29页 |
| ·瓦斯监测概述 | 第21-24页 |
| ·瓦斯灾害形势 | 第21-22页 |
| ·瓦斯传感器的安装 | 第22-23页 |
| ·瓦斯报警及井下断电浓度 | 第23-24页 |
| ·井下的大数干扰 | 第24-28页 |
| ·大数突出产生的原因 | 第25-26页 |
| ·大数干扰通常的处理手段 | 第26-27页 |
| ·智能抗干扰技术手段 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 滤除大数干扰的BP神经网络模型 | 第29-48页 |
| ·神经网络概述 | 第29-32页 |
| ·人工神经网络 | 第29-30页 |
| ·BP神经网络 | 第30-32页 |
| ·神经网络用于大数干扰的优势 | 第32页 |
| ·BP网络模型建立 | 第32-41页 |
| ·训练样本准备工作 | 第32-34页 |
| ·模型搭建 | 第34-35页 |
| ·模型参数的选取与确定 | 第35-37页 |
| ·参数修正 | 第37-38页 |
| ·模型训练及测试 | 第38-41页 |
| ·仿真结果分析 | 第41-47页 |
| ·初始数据 | 第41-42页 |
| ·BP神经算法仿真结果 | 第42-44页 |
| ·CME算法仿真结果 | 第44-46页 |
| ·数据对比 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 免疫算法在自适应滤波器优化设计中的运用 | 第48-63页 |
| ·免疫算法概述 | 第48-51页 |
| ·生物免疫算法 | 第48-50页 |
| ·智能免疫算法 | 第50-51页 |
| ·可行性分析 | 第51页 |
| ·自适应陷波器的设计 | 第51-57页 |
| ·基本原理 | 第52-53页 |
| ·结构设计 | 第53-54页 |
| ·算法实现 | 第54-56页 |
| ·仿真结果分析 | 第56-57页 |
| ·自适应谱线增强器的设计 | 第57-62页 |
| ·基本原理 | 第58-59页 |
| ·算法实现 | 第59-60页 |
| ·仿真结果分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| ·课题总结 | 第63-64页 |
| ·课题展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间的研究成果 | 第68-69页 |