| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-17页 |
| ·研究背景及其意义 | 第7-9页 |
| ·国内外研究现状 | 第9-15页 |
| ·传感器动态建模算法研究现状 | 第9-14页 |
| ·最小均方差算法研究现状 | 第14页 |
| ·传感器动态建模神经网络法研究现状 | 第14-15页 |
| ·本文的主要研究内容 | 第15-17页 |
| 第二章 自适应横向滤波器与LMS算法 | 第17-26页 |
| ·自适应滤波器介绍 | 第17-19页 |
| ·自适应横向滤波器结构介绍 | 第17-18页 |
| ·自适应横向滤波器的学习过程 | 第18-19页 |
| ·维纳滤波原理介绍 | 第19-22页 |
| ·均方误差准则函数及其性能分析 | 第19-21页 |
| ·准则函数求极小点方法及正交原理 | 第21-22页 |
| ·维纳滤波器的最陡下降算法 | 第22-24页 |
| ·最陡下降算法原理 | 第22页 |
| ·最陡下降算法性能分析 | 第22-24页 |
| ·LMS算法 | 第24-25页 |
| ·LMS算法原理 | 第24页 |
| ·LMS算法性能分析 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 改进的变步长LMS算法 | 第26-39页 |
| ·改进的变步长算法的提出 | 第26-34页 |
| ·LMS自适应滤波器对传感器系统辨识 | 第26-27页 |
| ·传统变步长LMS算法分析 | 第27-29页 |
| ·传统变步长LMS算法高阶情况下性能分析 | 第29-30页 |
| ·一种新的变步长算法的提出 | 第30-34页 |
| ·改进变步长LMS算法仿真实验 | 第34-38页 |
| ·仿真条件 | 第34-35页 |
| ·32阶系统仿真 | 第35-36页 |
| ·64阶系统仿真 | 第36-37页 |
| ·128阶系统仿真 | 第37-38页 |
| ·仿真结果分析 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第四章 小波神经网络与粒子群优化算法 | 第39-47页 |
| ·小波神经网络模型 | 第39-43页 |
| ·小波神经网络模型介绍 | 第39-42页 |
| ·梯度下降法 | 第42-43页 |
| ·粒子群优化算法 | 第43-46页 |
| ·粒子群优化算法介绍 | 第43-45页 |
| ·粒子群优化算法的迭代步骤 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 改进的PSO算法结合小波神经网络对传感器建模 | 第47-60页 |
| ·改进的PSO优化算法提出 | 第47-49页 |
| ·改进PSO算法性能仿真分析 | 第49-52页 |
| ·权重因子对PSO算法性能影响仿真分析 | 第49-50页 |
| ·学习因子对PSO算法性能影响仿真分析 | 第50-51页 |
| ·改进PSO算法性能仿真分析 | 第51-52页 |
| ·小波神经网络性能仿真分析 | 第52-55页 |
| ·BP神经网络训练仿真 | 第53-54页 |
| ·小波神经网络训练仿真 | 第54-55页 |
| ·对传感器建模原理与仿真 | 第55-58页 |
| ·建模原理 | 第55-56页 |
| ·仿真实验 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 硕士期间发表的论文清单 | 第66页 |