| 中文摘要 | 第3-6页 |
| 英文摘要 | 第6-9页 |
| 1 绪论 | 第13-21页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 论文的研究目的及意义 | 第17页 |
| 1.4 本文的主要研究内容 | 第17-21页 |
| 2 ~(252)Cf源驱动噪声分析法裂变中子脉冲信号处理新原理——压缩感知理论 | 第21-37页 |
| 2.1 ~(252)Cf源驱动裂变中子信号测量物理基础 | 第21-22页 |
| 2.2 基于光电探测的 ~(252)Cf源驱动裂变中子脉冲信号测量系统 | 第22-28页 |
| 2.2.1 ~6Li闪烁体探测器 | 第22-24页 |
| 2.2.2 符合测量方法 | 第24-25页 |
| 2.2.3 测量系统的架构 | 第25-28页 |
| 2.3 压缩感知理论 | 第28-33页 |
| 2.3.1 可压缩信号 | 第29页 |
| 2.3.2 压缩采样 | 第29-30页 |
| 2.3.3 压缩信号重构 | 第30-33页 |
| 2.3.4 压缩信号处理 | 第33页 |
| 2.4 压缩感知在核军控核查系统中的应用 | 第33-36页 |
| 2.4.1 压缩感知的应用 | 第33-35页 |
| 2.4.2 压缩感知在核军控核查技术中的应用前景 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 3 ~(252)Cf源驱动核材料裂变中子脉冲序列统计特征模拟研究 | 第37-45页 |
| 3.1 核信号的统计特征 | 第37-39页 |
| 3.1.1 核事件发生次数的统计特征 | 第37-38页 |
| 3.1.2 核事件时间间隔的统计特征 | 第38页 |
| 3.1.3 复度（多重性） | 第38-39页 |
| 3.2 中子脉冲序列统计特征模拟 | 第39-41页 |
| 3.2.1 均匀分布随机数生成方法 | 第39-41页 |
| 3.2.2 中子脉冲序列统计特征模拟方法 | 第41页 |
| 3.3 实验与结果分析 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4 ~(252)Cf源驱动核材料裂变中子“0,1”脉冲序列信号的压缩采样与重构研究 | 第45-63页 |
| 4.1 裂变中子“0,1”脉冲序列信号 | 第45-47页 |
| 4.2 压缩采样的二分图表示 | 第47-49页 |
| 4.2.1 二分图的基本概念 | 第47-48页 |
| 4.2.2 二分图表示方法 | 第48-49页 |
| 4.3 中子脉冲序列信号的压缩采样与重构方法研究 | 第49-54页 |
| 4.3.1 观测矩阵 | 第49-50页 |
| 4.3.2 二分图校验节点分类 | 第50页 |
| 4.3.3 重构方法 | 第50-53页 |
| 4.3.4 改进的PC-Node重构方法 | 第53-54页 |
| 4.4 分析与讨论 | 第54-58页 |
| 4.4.1 观测矩阵行权重L | 第54-56页 |
| 4.4.2 观测值数量M | 第56-57页 |
| 4.4.3 算法复杂度 | 第57页 |
| 4.4.4 重构误差ER | 第57-58页 |
| 4.5 实验结果分析 | 第58-62页 |
| 4.6 本章小结 | 第62-63页 |
| 5 ~(252)Cf源驱动核材料裂变中子信号压缩感知降噪技术研究 | 第63-85页 |
| 5.1 问题的提出 | 第63-64页 |
| 5.2 裂变中子信号噪声分析 | 第64-66页 |
| 5.3 基于BPDN的裂变中子信号的压缩感知 | 第66-76页 |
| 5.3.1 裂变中子信号的稀疏表示 | 第66-69页 |
| 5.3.2 基追踪降噪算法（BPDN） | 第69-70页 |
| 5.3.3 基于SPGL1-BPDN的裂变中子信号降噪方法 | 第70-71页 |
| 5.3.4 降噪效果评价指标 | 第71-72页 |
| 5.3.5 实验结果分析 | 第72-76页 |
| 5.4 基于EMD的裂变中子信号压缩感知降噪技术研究 | 第76-83页 |
| 5.4.1 裂变中子信号的经验模态分解 | 第76-78页 |
| 5.4.2 自适应IMF分量选取方法 | 第78-80页 |
| 5.4.3 基于EMDCSDN的裂变中子信号降噪方法 | 第80-83页 |
| 5.5 本章小结 | 第83-85页 |
| 6 ~(252)Cf源驱动噪声分析法核临界深度识别的压缩采样分形技术研究 | 第85-103页 |
| 6.1 瞬发中子衰减常数的测量方法 | 第85-87页 |
| 6.2 分形理论与特征提取 | 第87-94页 |
| 6.2.1 分形理论概述 | 第88-89页 |
| 6.2.2 基于单重分形的特征提取方法 | 第89-92页 |
| 6.2.3 基于多重分形的特征提取方法 | 第92-94页 |
| 6.3 基于SVM的压缩感知分形特征识别方法 | 第94-98页 |
| 6.3.1 支持向量机SVM | 第95-96页 |
| 6.3.2 基于CSMFSVM的核临界深度识别方法 | 第96-98页 |
| 6.4 实验结果分析 | 第98-101页 |
| 6.4.1 权重因子q | 第98-99页 |
| 6.4.2 压缩采样观测比M/N | 第99-100页 |
| 6.4.3 不同特征提取方法识别准确率比较 | 第100-101页 |
| 6.5 本章小结 | 第101-103页 |
| 7 ~(252)Cf源驱动噪声分析法核材料浓度识别的压缩感知技术研究 | 第103-117页 |
| 7.1 问题的提出 | 第103-104页 |
| 7.2 裂变中子信号间距特征提取 | 第104-106页 |
| 7.3 基于压缩采样的KNN分类方法 | 第106-110页 |
| 7.3.1 KNN分类算法 | 第106-107页 |
| 7.3.2 CSKNN分类识别方法 | 第107-108页 |
| 7.3.3 分类识别概率研究 | 第108-110页 |
| 7.4 实验结果分析 | 第110-116页 |
| 7.5 本章小结 | 第116-117页 |
| 8 全文总结与展望 | 第117-121页 |
| 致谢 | 第121-123页 |
| 参考文献 | 第123-133页 |
| 附录 | 第133页 |
| A. 作者在攻读博士学位期间发表的论文目录 | 第133页 |
| B. 作者在攻读学位期间参加的科研项目及取得的成果目录 | 第133页 |
