| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 图表清单 | 第9-11页 |
| 缩略词 | 第11-13页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 课题的研究意义 | 第13-14页 |
| 1.2 辐射源个体识别的研究现状 | 第14-17页 |
| 1.2.1 发射机的行为建模 | 第14-15页 |
| 1.2.2 细微特征提取 | 第15-16页 |
| 1.2.3 分类识别 | 第16-17页 |
| 1.3 本文主要研究内容和结构安排 | 第17-18页 |
| 第二章 声纳发射机及其行为建模 | 第18-36页 |
| 2.1 引言 | 第18页 |
| 2.2 声纳发射机简介 | 第18-23页 |
| 2.2.1 声纳发射机的基本组成 | 第18-19页 |
| 2.2.2 功率放大器 | 第19-23页 |
| 2.2.2.1 线性功率放大器 | 第19-20页 |
| 2.2.2.2 非线性功率放大器——D 类功率放大器 | 第20-22页 |
| 2.2.2.3 D 类功率放大器的非线性失真 | 第22-23页 |
| 2.3 电源互调失真的不对称性研究 | 第23-25页 |
| 2.4 发射机的行为建模 | 第25-30页 |
| 2.4.1 Volterra-Laguerre 模型 | 第25-27页 |
| 2.4.2 Elman 神经网络模型 | 第27-29页 |
| 2.4.3 Elman 小波神经网络模型 | 第29-30页 |
| 2.5 发射机的建模仿真分析 | 第30-35页 |
| 2.5.1 ENN 和 EWNN 模型的误差曲线分析 | 第31-32页 |
| 2.5.2 EWNN 模型小波参数更新的影响 | 第32页 |
| 2.5.3 三种行为模型的仿真分析 | 第32-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 双谱特征分析 | 第36-54页 |
| 3.1 引言 | 第36页 |
| 3.2 高阶谱理论及双谱估计方法 | 第36-39页 |
| 3.2.1 信号高阶谱的定义 | 第36-37页 |
| 3.2.2 双谱的性质 | 第37-38页 |
| 3.2.3 双谱的算法 | 第38-39页 |
| 3.3 积分双谱特征 | 第39-44页 |
| 3.3.1 径向积分双谱 | 第39-40页 |
| 3.3.2 轴向积分双谱 | 第40-41页 |
| 3.3.3 圆周积分双谱 | 第41页 |
| 3.3.4 矩形积分双谱 | 第41-42页 |
| 3.3.5 六边形积分双谱 | 第42-43页 |
| 3.3.6 积分双谱的改进 | 第43-44页 |
| 3.4 双谱特征降维 | 第44-46页 |
| 3.4.1 主成分分析方法 | 第44-45页 |
| 3.4.2 核主成分分析方法 | 第45-46页 |
| 3.5 双谱特征仿真分析 | 第46-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 希尔伯特—黄变换特征分析 | 第54-70页 |
| 4.1 引言 | 第54页 |
| 4.2 HHT 的基本原理 | 第54-62页 |
| 4.2.1 瞬时频率和 Hilbert 变换 | 第54-55页 |
| 4.2.2 固有模态函数 | 第55页 |
| 4.2.3 经验模态分解 | 第55-59页 |
| 4.2.4 HHT 的相关谱 | 第59-61页 |
| 4.2.5 HHT 流程图 | 第61-62页 |
| 4.3 基于 HHT 的特征分析 | 第62-65页 |
| 4.3.1 熵特征 | 第62-64页 |
| 4.3.1.1 Shannon 熵、Renyi 熵 | 第62页 |
| 4.3.1.2 能量熵 | 第62-63页 |
| 4.3.1.3 奇异值熵 | 第63-64页 |
| 4.3.2 时频特征 | 第64-65页 |
| 4.4 HHT 特征仿真分析 | 第65-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第五章 分类识别 | 第70-80页 |
| 5.1 引言 | 第70页 |
| 5.2 分类器 | 第70-74页 |
| 5.2.1 径向基神经网络分类器 | 第70-71页 |
| 5.2.2 支持向量机 | 第71-74页 |
| 5.2.2.1 线性可分 SVM | 第71-73页 |
| 5.2.2.2 线性不可分 SVM | 第73-74页 |
| 5.2.2.3 SVM 多分类问题 | 第74页 |
| 5.2.3 特征的归一化 | 第74页 |
| 5.3 个体识别仿真 | 第74-79页 |
| 5.3.1 积分双谱特征用于分类识别 | 第74-76页 |
| 5.3.2 HHT 特征用于分类识别 | 第76-78页 |
| 5.3.3 多类别的分类识别 | 第78-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-89页 |
| 在学期间的研究成果及发表的学术论文 | 第89页 |
