基于HHT特征提取的雷声信号模式识别
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 课题研究在国内外的发展状况 | 第9-10页 |
| 1.3 本论文的结构安排 | 第10-12页 |
| 第二章 基于奇异值分解的雷声信号去噪 | 第12-20页 |
| 2.1 引言 | 第12-13页 |
| 2.2 奇异值分解理论 | 第13-15页 |
| 2.2.1 SVD定义 | 第13-14页 |
| 2.2.2 SVD信号分离原理 | 第14-15页 |
| 2.3 基于MDL准则的信号维数估计 | 第15-16页 |
| 2.4 基于SVD的雷声信号去噪结果分析 | 第16-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 基于HHT的雷声信号特征提取 | 第20-32页 |
| 3.1 HHT理论前言 | 第20-21页 |
| 3.2 EMD分解理论及应用 | 第21-28页 |
| 3.2.1 瞬时频率定义 | 第21-22页 |
| 3.2.2 内在模态函数 | 第22页 |
| 3.2.3 经验模式分解 | 第22-27页 |
| 3.2.4 雷声信号的EMD分解结果及特征提取 | 第27-28页 |
| 3.3 Hilbert谱 | 第28-29页 |
| 3.4 Hilbert边际谱 | 第29-31页 |
| 3.5 基于HHT的信号特征提取 | 第31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 基于BP神经网络的雷声信号模式识别 | 第32-56页 |
| 4.1 引言 | 第32-33页 |
| 4.2 BP神经网络基本理论 | 第33-40页 |
| 4.2.1 BP网络的结构与计算 | 第33-38页 |
| 4.2.2 BP算法的改进 | 第38-40页 |
| 4.3 雷声信号的BP网络构建 | 第40-48页 |
| 4.3.1 雷声数据样本设计 | 第40-44页 |
| 4.3.2 各层神经元数目的确定 | 第44页 |
| 4.3.3 传递函数的选取 | 第44-46页 |
| 4.3.4 学习率和期望误差的选取 | 第46页 |
| 4.3.5 BP网络的训练 | 第46-48页 |
| 4.4 雷声信号模式识别仿真结果分析 | 第48-54页 |
| 4.4.1 雷声信号测试样本的识别结果 | 第48-51页 |
| 4.4.2 干扰信号测试样本的识别结果 | 第51-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 攻读硕士学位期间科研成果 | 第64页 |
