| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 飞行器目标自动识别研究现状 | 第10-11页 |
| 1.2.2 被动声探测技术研究现状 | 第11-12页 |
| 1.3 本文的主要内容 | 第12-14页 |
| 2 无人机声信号特性分析及预处理 | 第14-22页 |
| 2.1 无人机噪声与环境背景噪声特性分析 | 第14-16页 |
| 2.1.1 旋翼无人机噪声特性分析 | 第14-15页 |
| 2.1.2 固定翼无人机噪声特性分析 | 第15页 |
| 2.1.3 风雨噪声特性分析 | 第15-16页 |
| 2.2 声信号的预处理 | 第16-21页 |
| 2.2.1 小波变换的基本理论 | 第16-17页 |
| 2.2.2 基于小波变换的降噪算法 | 第17-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 声信号的特征提取 | 第22-33页 |
| 3.1 基于EMD和IMF能量比的特征提取 | 第22-25页 |
| 3.1.1 EMD的基本理论 | 第22-24页 |
| 3.1.2 基于EMD和IMF能量比的无人机声信号特征提取 | 第24-25页 |
| 3.2 基于听觉感知的特征提取 | 第25-29页 |
| 3.2.1 听觉感知与听觉心理的基本理论 | 第25-26页 |
| 3.2.2 基于MFCC的无人机声信号特征提取 | 第26-29页 |
| 3.3 特征向量的可分性判据 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 分类器设计及无人机类型识别 | 第33-49页 |
| 4.1 矢量量化方法 | 第33-36页 |
| 4.1.1 矢量量化的基本理论 | 第33-34页 |
| 4.1.2 矢量量化的码本设计 | 第34-36页 |
| 4.1.3 基于矢量量化的无人机声信号识别 | 第36页 |
| 4.2 支持向量机 | 第36-45页 |
| 4.2.1 支持向量机的基本理论 | 第36-41页 |
| 4.2.2 核函数 | 第41-43页 |
| 4.2.3 基于支持向量机的无人机声信号识别 | 第43-45页 |
| 4.3 无人机多目标识别实验及结果 | 第45-48页 |
| 4.3.1 实验说明 | 第45-46页 |
| 4.3.2 基于VQ的无人机识别算法的数值实验 | 第46-47页 |
| 4.3.3 基于SVM的无人机识别算法的数值实验 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 基于主成分分析的特征降维及融合 | 第49-56页 |
| 5.1 主成分分析的基本理论 | 第49-50页 |
| 5.2 基于主成分分析的无人机特征降维 | 第50-51页 |
| 5.3 无人机特征降维及特征融合实验 | 第51-55页 |
| 5.3.1 基于PCA的降维实验 | 第51-54页 |
| 5.3.2 特征融合实验 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 6 结论与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |