声振法检测混凝土路面脱空的信号处理方法研究
摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第8-14页 |
1.1 问题的提出和研究意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-12页 |
1.2.1 脱空判别方法研究 | 第9-10页 |
1.2.2 音频检测方法研究 | 第10-12页 |
1.3 论文研究的主要内容 | 第12-14页 |
第二章 声振法检测原理 | 第14-20页 |
2.1 音频检测的理论基础 | 第14-16页 |
2.1.1 音频检测中的振动理论 | 第14-15页 |
2.1.2 音频检测中的波动理论 | 第15-16页 |
2.2 声振法的基本原理 | 第16-17页 |
2.3 声振法检测中的信号处理过程 | 第17-19页 |
2.3.1 数据采集 | 第17-18页 |
2.3.2 信号预处理 | 第18-19页 |
2.3.3 特征分析 | 第19页 |
2.4 本章小结 | 第19-20页 |
第三章 信号分析方法 | 第20-33页 |
3.1 信号的时域分析 | 第20-23页 |
3.1.1 短时能量 | 第20页 |
3.1.2 短时平均过零率 | 第20-21页 |
3.1.3 信号端点检测 | 第21-23页 |
3.2 信号的时频分析 | 第23-24页 |
3.3 短时傅里叶变换(STFT) | 第24-27页 |
3.3.1 短时傅里叶变换的定义 | 第24-25页 |
3.3.2 短时傅里叶变换的时间—频率分辨率 | 第25页 |
3.3.3 离散短时傅里叶变换 | 第25-26页 |
3.3.4 信号的短时傅里叶变换实现 | 第26-27页 |
3.4 希尔伯特—黄变换(HHT) | 第27-32页 |
3.4.1 瞬时频率 | 第29页 |
3.4.2 本征模态函数(IMF) | 第29-30页 |
3.4.3 经验模态分解 | 第30-31页 |
3.4.4 希尔伯特变换 | 第31-32页 |
3.5 本章小结 | 第32-33页 |
第四章 信号的特征提取方法 | 第33-51页 |
4.1 基于的 MFCC 特征提取 | 第33-40页 |
4.1.1 三角带通滤波器 | 第33-35页 |
4.1.2 MFCC 特征提取的一般方法 | 第35-37页 |
4.1.3 基于改进的 MFCC 特征提取 | 第37-40页 |
4.2 基于 HHT 的特征提取 | 第40-50页 |
4.2.1 信号的 EMD 分解 | 第40-43页 |
4.2.2 信号求极值点时边界问题的处理 | 第43-46页 |
4.2.3 曲线拟合的问题处理 | 第46-47页 |
4.2.4 希尔伯特边际谱特征提取 | 第47-50页 |
4.3 本章小结 | 第50-51页 |
第五章 脱空信号的判别方法 | 第51-58页 |
5.1 BP 神经网络的原理与建立 | 第51-54页 |
5.2 使用 MFCC 特征参数做神经网络训练 | 第54-55页 |
5.3 使用 HHT 特征参数做神经网络训练 | 第55-56页 |
5.4 结果分析 | 第56-57页 |
5.5 本章小结 | 第57-58页 |
总结和展望 | 第58-59页 |
参考文献 | 第59-62页 |
致谢 | 第62页 |