摘要 | 第1-6页 |
ABSTRACT | 第6-10页 |
第一章 绪论 | 第10-23页 |
·引言 | 第10-11页 |
·变形分析与变形预测模型研究进展 | 第11-18页 |
·变形物理解释统计模型 | 第11-14页 |
·变形物理解释确定性模型与混合模型 | 第14-17页 |
·变形分析与预测模型进展 | 第17-18页 |
·变形分析与预测模型综述及小波分析应用 | 第18-21页 |
·变形分析与预测模型综述 | 第18-20页 |
·小波分析研究现状 | 第20-21页 |
·本文研究主要目的、内容及其意义 | 第21-22页 |
·本章小结 | 第22-23页 |
第二章 小波分析及应用研究 | 第23-50页 |
·从傅里叶变换到小波分析 | 第23-28页 |
·傅里叶变换 | 第23-24页 |
·短时傅里叶变换 | 第24-25页 |
·从傅里叶变换到小波分析 | 第25-28页 |
·小波变换 | 第28-35页 |
·连续小波变换 | 第28-32页 |
·离散小波变换 | 第32-35页 |
·小波分解与重构 | 第35-40页 |
·多分辨分析 | 第35-36页 |
·正交小波基的构造 | 第36-37页 |
·离散小波分解与重构的Mallat算法 | 第37-40页 |
·常用小波函数 | 第40-46页 |
·小波分析应用研究 | 第46-49页 |
·本章小结 | 第49-50页 |
第三章 小波滤波去噪方法研究 | 第50-94页 |
·小波分解与重构法去噪研究 | 第51-56页 |
·小波分解与重构法去噪原理 | 第51-52页 |
·最大尺度确定研究 | 第52-53页 |
·边缘处理研究 | 第53-55页 |
·扩展算法研究 | 第55-56页 |
·非线性小波变换阈值法去噪研究 | 第56-70页 |
·非线性小波变换阈值法去噪原理 | 第56-58页 |
·基于Neyman-pearson准则小波阈值法去噪 | 第58-59页 |
·阈值法σ值确定 | 第59-65页 |
·阈值法去噪改进 | 第65-70页 |
·小波函数的选取与去噪效果研究 | 第70-88页 |
·噪声和干扰的小波变换特征 | 第70-72页 |
·小波函数的特性 | 第72-73页 |
·只含噪声时不同小波函数的去噪比较 | 第73-76页 |
·含系统性干扰信号时的去噪比较 | 第76-83页 |
·含突变信号时的去噪比较 | 第83-88页 |
·小波滤波去噪其它方法 | 第88-91页 |
·模极大值法 | 第88-91页 |
·平移不变量法 | 第91页 |
·小波滤波去噪效果评价指标 | 第91-92页 |
·本章小结 | 第92-94页 |
第四章 应用小波多尺度进行变形分析建模研究 | 第94-120页 |
·小波多尺度概述 | 第94-96页 |
·观测序列小波多尺度变换特征分析 | 第96-100页 |
·小波多尺度傅里叶时频分析 | 第100-105页 |
·小波多尺度傅里叶时频分析 | 第100-101页 |
·应用实例 | 第101-105页 |
·小波多尺度自回归建模 | 第105-108页 |
·小波多尺度自回归框架 | 第105-107页 |
·小波多尺度自回归建模 | 第107-108页 |
·小波多尺度卡尔曼滤波模型 | 第108-119页 |
·离散卡尔曼滤波模型 | 第109-111页 |
·自适应卡尔曼滤波模型 | 第111页 |
·回归分析预测卡尔曼滤波模型 | 第111-113页 |
·小波多尺度卡尔曼滤波模型与应用实例 | 第113-117页 |
·小波多尺度卡尔曼滤波模型误差分析 | 第117-119页 |
·本章小结 | 第119-120页 |
第五章 小波神经网络在变形预测中应用 | 第120-130页 |
·人工神经网络 | 第120-122页 |
·小波神经网络理论 | 第122-127页 |
·小波神经网络变形预测模型 | 第127页 |
·算例与分析 | 第127-129页 |
·本章小结 | 第129-130页 |
第六章 结论与展望 | 第130-134页 |
·主要工作与创新 | 第130-132页 |
·建议与展望 | 第132-134页 |
参考文献 | 第134-142页 |
攻读博士学位期间发表的论文、著作和参与的科研项目 | 第142-144页 |
致谢 | 第144-145页 |
附录 中英文关键词索引表 | 第145-146页 |