| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 论文的主要工作 | 第16-18页 |
| 第2章 发动机振动信号的盲分离 | 第18-29页 |
| 2.1 发动机振动信号的盲分离的物理量提取与计算 | 第18-21页 |
| 2.1.1 线性混合模型的盲分离 | 第18-20页 |
| 2.1.2 非线性混合模型的盲分离 | 第20-21页 |
| 2.2 发动机振动信号的盲分离目标函数的建立 | 第21-24页 |
| 2.2.1 发动机振动信号盲分离的统计独立性 | 第22-23页 |
| 2.2.2 发动机振动信号盲分离的分布差异分析 | 第23页 |
| 2.2.3 发动机振动信号盲分离的非高斯约束条件 | 第23-24页 |
| 2.2.4 发动机振动信号盲分离的参数估计 | 第24页 |
| 2.3 盲分离的梯度计算与优化方法 | 第24-26页 |
| 2.4 发动机振动信号的盲分离性能的判断标准 | 第26-28页 |
| 2.4.1 信号干扰比判断 | 第26-27页 |
| 2.4.2 PI值判断 | 第27页 |
| 2.4.3 相似系数判断 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于单层前馈神经网络的盲分离 | 第29-39页 |
| 3.1 发动机振动信号盲分离的神经网络原理 | 第29-31页 |
| 3.2 基于单层前馈神经网络的发动机振动信号盲分离 | 第31-33页 |
| 3.3 基于最大似然估计的发动机振动信号盲分离 | 第33-35页 |
| 3.4 加入动量项改进的发动机振动信号盲分离 | 第35-36页 |
| 3.5 仿真试验 | 第36-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第4章 基于RBF神经网络的盲分离 | 第39-53页 |
| 4.1 后非线性的发动机振动信号盲分离网络模型 | 第39-41页 |
| 4.1.1 发动机振动信号盲分离的混合模型 | 第39-40页 |
| 4.1.2 发动机振动信号盲分离的解混模型 | 第40-41页 |
| 4.2 后非线性的发动机振动信号盲分离 | 第41-42页 |
| 4.3 基于RBF神经网络的发动机振动信号盲分离 | 第42-44页 |
| 4.4 学习修正基于RBF神经网络的盲分离 | 第44-47页 |
| 4.4.1 中心和方差的选择 | 第44-46页 |
| 4.4.2 权值的选择 | 第46-47页 |
| 4.4.3 训练判据 | 第47页 |
| 4.5 仿真试验 | 第47-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 盲分离仿真分析研究 | 第53-66页 |
| 5.1 实验要求与过程分析 | 第53-54页 |
| 5.2 实验方法的仿真与结果分析 | 第54-65页 |
| 5.2.1 基于单层前馈神经网络的盲分离仿真 | 第55-60页 |
| 5.2.2 基于RBF神经网络的盲分离仿真 | 第60-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第6章 结束语 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 附录 | 第71-77页 |