| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 主要符号对照表 | 第9-12页 |
| 第1章 绪论 | 第12-25页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-23页 |
| 1.2.1 智能交通系统 | 第13-16页 |
| 1.2.2 车辆目标信号采集方法 | 第16-19页 |
| 1.2.3 车辆声信号特征提取及模式识别 | 第19-23页 |
| 1.3 论文的研究内容 | 第23-25页 |
| 第2章 车辆通过噪声特性及小波降噪预处理 | 第25-35页 |
| 2.1 车辆通过噪声特性 | 第25-27页 |
| 2.1.1 车辆通过噪声源产生机理 | 第25-27页 |
| 2.1.2 车辆通过噪声的传播特性 | 第27页 |
| 2.2 车型分类标准 | 第27-29页 |
| 2.2.1 我国主要汽车分类标准及其存在的问题 | 第27-28页 |
| 2.2.2 改进的分类标准 | 第28-29页 |
| 2.3 车辆声音信号采集及小波降噪预处理 | 第29-33页 |
| 2.3.1 车辆声音信号采集系统 | 第29页 |
| 2.3.2 小波分层阈值自适应降噪 | 第29-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 结合小波变换和互信息的车辆通过噪声特征提取 | 第35-57页 |
| 3.1 车辆通过噪声信号的时频特性 | 第35-36页 |
| 3.2 基于小波变换的车辆通过噪声特征提取 | 第36-40页 |
| 3.2.1 基于传统小波变换的频带能量计算 | 第36-38页 |
| 3.2.2 利用分频带细分方法计算小波系数频带能量 | 第38-40页 |
| 3.3 基于互信息方法的车辆通过噪声特征提取 | 第40-49页 |
| 3.3.1 选取互信息方法用于特征提取的内在机理 | 第40-42页 |
| 3.3.2 利用直方图法计算互信息 | 第42-44页 |
| 3.3.3 利用互信息方法提取关键频率成分特征 | 第44-49页 |
| 3.4 基于遗传算法的特征降维 | 第49-56页 |
| 3.4.1 利用遗传算法进行特征降维的基本流程 | 第49-50页 |
| 3.4.2 遗传算法适应度函数的选取 | 第50-52页 |
| 3.4.3 用于车辆通过噪声特征提取的遗传算法改进 | 第52-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第4章 基于D-S证据理论信息融合方法的车型分类识别 | 第57-83页 |
| 4.1 基于BP神经网络的车型分类识别 | 第57-64页 |
| 4.1.1 BP神经网络的输入量和期望输出量 | 第58页 |
| 4.1.2 BP神经网络的学习算法及其车型分类模型 | 第58-61页 |
| 4.1.3 变学习率的动量BP神经网络算法 | 第61-62页 |
| 4.1.4 BP神经网络的车型分类效果 | 第62-64页 |
| 4.2 基于学习向量量化神经网络的车型分类识别 | 第64-71页 |
| 4.2.1 LVQ神经网络的输入量和期望输出量 | 第65页 |
| 4.2.2 LVQ神经网络的学习算法及其车型分类模型 | 第65-67页 |
| 4.2.3 LVQ神经网络的改进算法 | 第67-69页 |
| 4.2.4 LVQ神经网络的车型分类效果 | 第69-71页 |
| 4.3 基于支持向量机的车型分类识别 | 第71-78页 |
| 4.3.1 支持向量机的输入量和期望输出量 | 第71-72页 |
| 4.3.2 支持向量机用于多车型分类问题 | 第72-77页 |
| 4.3.3 支持向量机的车型分类效果 | 第77-78页 |
| 4.4 基于D-S证据理论的决策级信息融合 | 第78-82页 |
| 4.4.1 D-S证据理论用于多分类器决策级信息融合 | 第79-81页 |
| 4.4.2 D-S证据理论的车型分类效果 | 第81-82页 |
| 4.5 本章小结 | 第82-83页 |
| 第5章 基于声信号的车型分类识别试验 | 第83-91页 |
| 5.1 车型选择及声音信号采集试验 | 第83-84页 |
| 5.2 车型分类识别方法试验 | 第84-89页 |
| 5.2.1 车型分类识别算法整体架构 | 第84页 |
| 5.2.2 车型分类识别算法中的特征提取及模式识别 | 第84-87页 |
| 5.2.3 车型分类识别算法中的决策级信息融合 | 第87-89页 |
| 5.3 车型分类识别算法的正确率对比分析 | 第89-90页 |
| 5.4 本章小结 | 第90-91页 |
| 第6章 总结与展望 | 第91-93页 |
| 6.1 研究总结 | 第91页 |
| 6.2 须进一步开展的工作 | 第91-93页 |
| 参考文献 | 第93-97页 |
| 致谢 | 第97-99页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第99页 |
