水下运动目标被动声纳信号识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-16页 |
| 第二章 水下运动目标被动声纳信号识别基本原理 | 第16-20页 |
| 2.1 分类识别系统的基本组成 | 第16-17页 |
| 2.2 特征提取和选择 | 第17-18页 |
| 2.3 分类器的设计 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 特征提取技术研究 | 第20-48页 |
| 3.1 基于小波包分解的特征提取技术研究 | 第20-35页 |
| 3.1.1 小波的基本理论 | 第20-29页 |
| 3.1.2 基于小波包分解的能量特征提取 | 第29-35页 |
| 3.2 基于经验模态分解的特征提取技术研究 | 第35-43页 |
| 3.2.1 固有模态函数 | 第36页 |
| 3.2.2 EMD的基本原理 | 第36-40页 |
| 3.2.3 基于EMD变换的绝对均值特征提取 | 第40-43页 |
| 3.3 基于特征融合的特征向量构造 | 第43-46页 |
| 3.3.1 数据融合技术简述 | 第43-44页 |
| 3.3.2 数据融合的层次 | 第44-45页 |
| 3.3.3 特征向量构造 | 第45-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 目标分类识别技术研究 | 第48-66页 |
| 4.1 人工神经网络理论基础 | 第48-50页 |
| 4.1.1 神经元模型 | 第48-49页 |
| 4.1.2 神经网络结构 | 第49-50页 |
| 4.1.3 神经网络的学习 | 第50页 |
| 4.2 径向基函数神经网络 | 第50-55页 |
| 4.2.1 径向基函数神经网络概述 | 第50-51页 |
| 4.2.2 径向基函数网络结构 | 第51-53页 |
| 4.2.3 径向基函数神经网络的学习算法 | 第53-55页 |
| 4.3 广义回归神经网络 | 第55-58页 |
| 4.3.1 广义回归神经网络的理论基础 | 第55-57页 |
| 4.3.2 广义回归神经网络的结构 | 第57-58页 |
| 4.4 模糊C均值聚类 | 第58-61页 |
| 4.4.1 传统的C均值聚类算法 | 第59-60页 |
| 4.4.2 模糊C均值聚类算法 | 第60-61页 |
| 4.5 FCM-GRNN分类方法 | 第61-62页 |
| 4.6 目标分类识别 | 第62-63页 |
| 4.7 本章小结 | 第63-66页 |
| 第五章 总结和展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74页 |
