| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 缩略词 | 第11-13页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 背景和意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文主要内容和结构安排 | 第15-17页 |
| 第二章 低频辐射源行为建模 | 第17-43页 |
| 2.1 引言 | 第17页 |
| 2.2 声纳发射机简介 | 第17-20页 |
| 2.2.1 声纳发射机的基本结构 | 第17页 |
| 2.2.2 D类功率放大器 | 第17-18页 |
| 2.2.3 D类功放电路设计 | 第18-20页 |
| 2.3 发射机行为建模及分析 | 第20-28页 |
| 2.3.1 Volterra-Laguerre模型 | 第20-22页 |
| 2.3.2 Kautz-Volterra模型 | 第22页 |
| 2.3.3 ENN模型 | 第22-24页 |
| 2.3.4 基于深度学习理论模型 | 第24-28页 |
| 2.3.4.1 限制玻尔兹曼机 | 第25-26页 |
| 2.3.4.2 BP-RBMs模型 | 第26页 |
| 2.3.4.3 深度重构模型 | 第26-28页 |
| 2.4 仿真结果与分析 | 第28-41页 |
| 2.4.1 模拟电路实验 | 第28-40页 |
| 2.4.1.1 VL模型和KV模型对比 | 第28-29页 |
| 2.4.1.2 不同初始化权值的BPNN模型对比 | 第29页 |
| 2.4.1.3 ENN模型和DRM模型对比 | 第29-31页 |
| 2.4.1.4 五种模型对比 | 第31-40页 |
| 2.4.2 实际电路实验 | 第40-41页 |
| 2.5 本章小结 | 第41-43页 |
| 第三章 杂散特征提取方法 | 第43-61页 |
| 3.1 引言 | 第43页 |
| 3.2 双谱估计算法 | 第43-46页 |
| 3.2.1 高阶累积量及双谱 | 第43-46页 |
| 3.2.2 双谱切片 | 第46页 |
| 3.3 基于深度学习理论的特征提取方法 | 第46-47页 |
| 3.4 分形理论算法 | 第47-48页 |
| 3.4.1 Hausdorff维数 | 第47-48页 |
| 3.4.2 盒维数 | 第48页 |
| 3.5 基于双谱切片及其分形维数特征提取 | 第48-49页 |
| 3.6 仿真结果与分析 | 第49-60页 |
| 3.6.1 模拟电路实验 | 第49-57页 |
| 3.6.1.1 双谱估计仿真结果 | 第50-52页 |
| 3.6.1.2 基于深度学习理论的特征提取 | 第52-54页 |
| 3.6.1.3 基于双谱切片及其分形维数特征提取 | 第54-57页 |
| 3.6.2 实际电路实验 | 第57-60页 |
| 3.7 本章小结 | 第60-61页 |
| 第四章 分类器设计 | 第61-71页 |
| 4.1 引言 | 第61-62页 |
| 4.2 支持向量机 | 第62-64页 |
| 4.3 Ada Boost算法 | 第64-65页 |
| 4.4 基于SVM的Ada Boost组合分类器 | 第65-66页 |
| 4.5 仿真结果与分析 | 第66-70页 |
| 4.5.1 模拟电路实验 | 第66-68页 |
| 4.5.2 实际电路实验 | 第68-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 本文工作总结 | 第71页 |
| 5.2 后期工作展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 在学期间的研究成果及发表的学术论文 | 第78页 |