分形及小波神经网络在摩擦焊超声信号分析中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·问题的提出 | 第8-9页 |
| ·主要的研究方法与研究现状 | 第9-15页 |
| ·小波变换 | 第9-10页 |
| ·小波神经网络 | 第10-12页 |
| ·分形 | 第12-13页 |
| ·图像去噪方法 | 第13-15页 |
| ·论文的主要工作 | 第15-16页 |
| 第二章 小波变换及应用 | 第16-29页 |
| ·前言 | 第16页 |
| ·小波变换简介 | 第16-19页 |
| ·小波函数 | 第16-18页 |
| ·连续小波变换 | 第18页 |
| ·离散小波变换 | 第18-19页 |
| ·多分辨率分析 | 第19-21页 |
| ·小波包分析 | 第21-24页 |
| ·小波包变换 | 第21-23页 |
| ·最优小波包基的选择 | 第23-24页 |
| ·小波变换在信号去噪中的应用 | 第24-28页 |
| ·小波去噪方法 | 第24-25页 |
| ·噪声及其在小波分解下的特性 | 第25-26页 |
| ·小波阈值去噪算法 | 第26页 |
| ·小波系数估计及其改进方案 | 第26-28页 |
| ·小结 | 第28-29页 |
| 第三章 基于改进阈值函数的超声信号去噪 | 第29-40页 |
| ·前言 | 第29页 |
| ·超声检测信号的提取 | 第29-30页 |
| ·小波去噪的性能评价参数 | 第30页 |
| ·超声检测信号的小波阈值去噪 | 第30-35页 |
| ·阈值的选取 | 第30-32页 |
| ·不同阈值函数去噪效果比较 | 第32-35页 |
| ·超声检测信号的小波包去噪 | 第35-38页 |
| ·基于最优小波包基的信号消噪方法 | 第35页 |
| ·采用改进阈值函数的信号小波包去噪 | 第35-38页 |
| ·小结 | 第38-40页 |
| 第四章 基于小波神经网络的缺陷识别 | 第40-52页 |
| ·前言 | 第40页 |
| ·BP神经网络 | 第40-43页 |
| ·BP神经网络的结构与算法 | 第40-42页 |
| ·BP算法的缺陷及改进 | 第42-43页 |
| ·小波神经网络 | 第43-47页 |
| ·小波神经网络概述 | 第43-45页 |
| ·用于信号分类的小波神经网络结构 | 第45-46页 |
| ·小波神经网络的学习算法 | 第46-47页 |
| ·基于小波神经网络的缺陷识别 | 第47-51页 |
| ·网络参数的确定 | 第47-49页 |
| ·网络识别结果 | 第49-51页 |
| ·小结 | 第51-52页 |
| 第五章 摩擦焊超声 C扫描图像的处理 | 第52-68页 |
| ·前言 | 第52页 |
| ·分形理论 | 第52-55页 |
| ·分形的定义及性质 | 第52-53页 |
| ·分形维数 | 第53-55页 |
| ·超声 C扫描图像的去噪 | 第55-60页 |
| ·图像去噪方法概述 | 第55-56页 |
| ·基于数学形态学的图像去噪方法 | 第56-59页 |
| ·去噪仿真结果 | 第59-60页 |
| ·C扫描图像的分形分析 | 第60-67页 |
| ·基于分形的图像分析方法 | 第60-62页 |
| ·图像分形维数的像素点覆盖法 | 第62页 |
| ·C扫描图像分形维数的计算与分析 | 第62-67页 |
| ·小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| 结论 | 第68页 |
| 展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间发表的论文 | 第75-76页 |
| 致谢 | 第76-77页 |
