| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第11-17页 |
| 1.1 选题背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 组织结构 | 第15-17页 |
| 2 LMD的基本理论与主要特点 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 LMD方法的基本理论与算法 | 第17-21页 |
| 2.2.1 LMD方法的基本原理 | 第17-19页 |
| 2.2.2 LMD方法的算法 | 第19-21页 |
| 2.3 LMD方法的主要特点 | 第21-23页 |
| 2.3.1 自适应性 | 第21页 |
| 2.3.2 独立性 | 第21-23页 |
| 2.3.3 正交性 | 第23页 |
| 2.3.4 完备性 | 第23页 |
| 2.4 LMD方法的主要问题 | 第23-25页 |
| 2.4.1 平均滑动步长的选择问题 | 第23-24页 |
| 2.4.2 模态混淆问题 | 第24页 |
| 2.4.3 纯调频信号判据 | 第24-25页 |
| 2.5 LMD-GM(1,1)模型 | 第25-28页 |
| 2.5.1 传统GM(1,1)建模机理 | 第25页 |
| 2.5.2 LMD-GM(1,1)模型的基本原理 | 第25-26页 |
| 2.5.3 算例分析 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 LMD方法的端点效应及其延拓方法 | 第29-37页 |
| 3.1 产生端点效应的原因 | 第29-31页 |
| 3.2 基于极值点和距离的SVM延拓方法 | 第31-36页 |
| 3.2.1 支持向量机（Support Vector Machine, SVM） | 第31-32页 |
| 3.2.2 基于极值点和距离的SVM延拓方法的基本原理 | 第32-33页 |
| 3.2.3 实例分析 | 第33-36页 |
| 3.3 本章小结 | 第36-37页 |
| 4 抑制LMD端点效应的自适应选权迭代法及其应用 | 第37-49页 |
| 4.1 引言 | 第37页 |
| 4.2 抑制LMD端点效应的自适应选权迭代法 | 第37-39页 |
| 4.3 改进的LMD在数据特征提取中的应用 | 第39-48页 |
| 4.3.1 实例一 | 第39-44页 |
| 4.3.2 实例二 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 基于自适应选权迭代的LMD方法在测量数据处理中的应用 | 第49-57页 |
| 5.1 引言 | 第49页 |
| 5.2 优化的LMD-SVM-GM(1,1)模型 | 第49-55页 |
| 5.2.1 模型预测流程 | 第49-50页 |
| 5.2.2 实例一 | 第50-53页 |
| 5.2.3 实例二 | 第53-55页 |
| 5.3 本章小结 | 第55-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间的科研成果及参加项目 | 第65页 |
