| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 背景介绍 | 第9-10页 |
| 1.2 UWB技术简介 | 第10-11页 |
| 1.3 EMD分解算法在超宽带技术中的研究 | 第11-13页 |
| 1.4 极限学习机算法在识别应用方面的研究 | 第13-14页 |
| 1.5 本文的主要内容和结构安排 | 第14-16页 |
| 第二章 EMD滤波算法 | 第16-31页 |
| 2.1 综述 | 第16-18页 |
| 2.2 瞬时频率 | 第18-19页 |
| 2.3 本征模态函数 | 第19页 |
| 2.4 EMD分解的基本原理与步骤 | 第19-21页 |
| 2.5 EMD分解的特点与存在的问题 | 第21-23页 |
| 2.5.1 EMD分解的特点的主要特点有如下几点 | 第21-22页 |
| 2.5.2 EMD分解算法目前存在的问题 | 第22-23页 |
| 2.6 EMD滤波算法 | 第23-30页 |
| 2.6.1 EMD滤波算法步骤 | 第23-25页 |
| 2.6.2 与传统去噪方法性能的比较 | 第25-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第三章 基于极限学习机的超宽带目标识别方法 | 第31-45页 |
| 3.1 前向反馈神经网络 | 第31-33页 |
| 3.2 极限学习机 | 第33-35页 |
| 3.3 基于极限学习机的超宽带目标识别方法 | 第35-43页 |
| 3.3.1 提取特征参数 | 第35-39页 |
| 3.3.2 基于极限学习机超宽带目标识别的训练过程 | 第39-41页 |
| 3.3.3 不同激励函数在脉冲超宽带目标探测识别中的效果比较 | 第41-43页 |
| 3.4 本章总结 | 第43-45页 |
| 第四章 经验模态分解与超宽带目标识别方法结合在实际环境中的应用 | 第45-53页 |
| 4.1 实际场景介绍 | 第45-47页 |
| 4.1.1 超宽带设备 | 第45-46页 |
| 4.1.2 测试场景介绍 | 第46-47页 |
| 4.2 数据处理 | 第47-53页 |
| 4.2.1 特征参数提取 | 第48-50页 |
| 4.2.2 结果分析 | 第50-53页 |
| 第五章 全文总结 | 第53-55页 |
| 5.1 本文的主要贡献 | 第53页 |
| 5.2 本文的创新点 | 第53-54页 |
| 5.3 对于脉冲超宽带目标探测识别技术的展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 作者攻读学位期间发表的学术论文目录 | 第59页 |
