| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·智能雷概述 | 第7-8页 |
| ·智能雷目标识别技术 | 第8-12页 |
| ·信号的预处理 | 第8-9页 |
| ·信号的特征提取 | 第9-10页 |
| ·分类器的设计 | 第10-12页 |
| ·本次毕业设计所作的主要工作 | 第12-13页 |
| 2 小波变换与信号预处理 | 第13-34页 |
| ·小波分析的起源 | 第13-15页 |
| ·Fourier分析 | 第13-14页 |
| ·Gabor分析 | 第14-15页 |
| ·短时Fourier分析 | 第15页 |
| ·小波分析基础 | 第15-17页 |
| ·多分辨率分析 | 第17-18页 |
| ·小波包分析 | 第18-19页 |
| ·小波和小波包分解信号的重构 | 第19-20页 |
| ·几种常用的小波 | 第20-21页 |
| ·Haar小波 | 第20页 |
| ·Morlet小波 | 第20-21页 |
| ·Daubechies小波 | 第21页 |
| ·本文在声信号预处理方面所作的工作 | 第21-34页 |
| ·声信号的采集以及格式转换 | 第21-23页 |
| ·头文件描述 | 第22页 |
| ·数据块描述 | 第22-23页 |
| ·声信号去噪方法 | 第23-34页 |
| ·线性滤波 | 第23-24页 |
| ·中值滤波 | 第24页 |
| ·加权平均递推滤波 | 第24-25页 |
| ·复合滤波 | 第25页 |
| ·用小波变换实现信噪分离 | 第25-34页 |
| ·比较粗造的小波信噪分离法 | 第25-26页 |
| ·用小波变换的阈值法进行信噪分离 | 第26-34页 |
| 3 声信号特征提取方法 | 第34-43页 |
| ·目标识别 | 第34页 |
| ·目标识别特征提取的目的 | 第34页 |
| ·传统的声信号特征提取方法 | 第34-39页 |
| ·声信号的AR模型参数特征 | 第35-38页 |
| ·AR模型阶数的确定 | 第36-37页 |
| ·AR模型系数估计 | 第37-38页 |
| ·声信号的自相关系数特征 | 第38-39页 |
| ·利用小波包提取声信号各频段的能量及改进 | 第39-43页 |
| ·利用小波包提取声信号各频段能量 | 第39-42页 |
| ·小波包能量声信号特征提取法的改进 | 第42-43页 |
| 4 神经网络分类器 | 第43-52页 |
| ·人工神经网络概述 | 第43页 |
| ·主要的几种神经网络 | 第43-45页 |
| ·BP神经网络 | 第43-44页 |
| ·径向基神经网络 | 第44页 |
| ·Hopfield网络 | 第44-45页 |
| ·声目标BP算法的算法描及其推导 | 第45-48页 |
| ·声目标识别BP算法的算法的算法描述 | 第45页 |
| ·声目标识别BP算法的推导 | 第45-48页 |
| ·BP算法应用过程中出现的问题 | 第48-49页 |
| ·本文在解决网络收敛速度慢以及过拟合采取的措施 | 第49-52页 |
| ·网络收敛速度慢的改进措施 | 第49-50页 |
| ·网络过拟合问题的改进措施 | 第50-52页 |
| 5 实验与总结 | 第52-55页 |
| ·计算机模拟实验 | 第52-54页 |
| ·模拟实验总结 | 第54-55页 |
| 6 声目标识别系统的软件设计 | 第55-59页 |
| ·声信号格式转换 | 第55-56页 |
| ·声信号去噪程序 | 第56-57页 |
| ·声信号特征提取程序 | 第57-58页 |
| ·声信号神经网络分类程序 | 第58-59页 |
| 附录A: Topview Wav文件格式到Mat文件格式源文件 | 第59-62页 |
| 附录B: 将MATLAB下的.M文件转换为VC可以调用的动态连接库 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |