高压水射流靶物材质的识别与分类研究
| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 引言 | 第15-17页 |
| 1 绪论 | 第17-22页 |
| ·课题来源 | 第17页 |
| ·课题背景及意义 | 第17-18页 |
| ·相关的国内外研究现状 | 第18-20页 |
| ·论文的主要工作及内容安排 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 2 靶物反射声信号的预处理 | 第22-29页 |
| ·EMD基本原理 | 第22-24页 |
| ·瞬时频率 | 第22-23页 |
| ·本征模态函数 | 第23-24页 |
| ·EMD基本原理 | 第24页 |
| ·基于EMD的靶物反射声信号降噪预处理 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 3 高压水射流朝物反射声信号的特征提取 | 第29-37页 |
| ·Mel频率倒谱特征参数 | 第29-31页 |
| ·小波包短时能量特征参数 | 第31-36页 |
| ·连续小波变换 | 第31-33页 |
| ·离散小波变换 | 第33页 |
| ·小波包变换 | 第33-35页 |
| ·小波包短时能量特征参数 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 靶物材质识别系统 | 第37-51页 |
| ·靶物反射声识别概述 | 第37-38页 |
| ·靶物反射声识别原理 | 第37页 |
| ·靶物反射声识别的基本方法 | 第37-38页 |
| ·统计学习理论 | 第38-42页 |
| ·机器学习的基本问题 | 第39-40页 |
| ·经验风险最小化 | 第40页 |
| ·学习过程的一致性与VC维 | 第40-41页 |
| ·推广性的界 | 第41页 |
| ·结构风险最小化 | 第41-42页 |
| ·支持向量机 | 第42-45页 |
| ·构建线性可分最优超平面 | 第42-44页 |
| ·构建线性不可分最优超平面 | 第44-45页 |
| ·基于LS-SVM的靶物材质分类器设计 | 第45-50页 |
| ·LS-SVM基本原理 | 第45-46页 |
| ·LS-SVM多类分类器设计 | 第46-47页 |
| ·核函数选择与参数优化 | 第47-49页 |
| ·LS-SVM与SVM比较 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 5 数据处理与结果分析 | 第51-60页 |
| ·试验装置与试验方案设计 | 第51-53页 |
| ·试验装置设计 | 第51-52页 |
| ·试验方案设计一 | 第52-53页 |
| ·试验方案设计二 | 第53页 |
| ·靶物反射声特征提取与识别结果分析 | 第53-58页 |
| ·基于小波包短时能量特征提取的靶物材质识别 | 第53-57页 |
| ·基于MFCC特征提取的靶物反射声识别 | 第57-58页 |
| ·靶物反射声识别结果分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 结论与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录A 特征提取程序 | 第66-68页 |
| 附录B LS-SVM参数寻优程序 | 第68-71页 |
| 附录C LS-SVM识别分类器设计程序 | 第71-74页 |
| 致谢 | 第74-75页 |
| 作者简介及读研期间主要科研成果 | 第75页 |
