基于自适应算法的信号去噪研究
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题背景及意义 | 第7页 |
| ·小波研究现状 | 第7-8页 |
| ·小波神经网络研究现状 | 第8-10页 |
| ·论文的主要工作和章节安排 | 第10-12页 |
| ·论文的主要工作 | 第10页 |
| ·论文的内容安排 | 第10-12页 |
| 第二章 双模噪声和小波分析 | 第12-24页 |
| ·双模噪声简述 | 第12-14页 |
| ·小波理论简述 | 第14-16页 |
| ·Fourier变换 | 第14-15页 |
| ·窗口Fourier变换 | 第15-16页 |
| ·小波变换 | 第16-23页 |
| ·连续小波变换 | 第16-18页 |
| ·离散小波变换 | 第18-19页 |
| ·多分辨分析 | 第19-20页 |
| ·Mallat算法 | 第20-21页 |
| ·小波包分析 | 第21-22页 |
| ·小波在信号处理中的应用 | 第22-23页 |
| ·本章总结 | 第23-24页 |
| 第三章 人工神经网络 | 第24-35页 |
| ·人工神经网络简述 | 第24-25页 |
| ·人工神经网络的问题和发展前景 | 第24-25页 |
| ·人工神经网络特点和应用 | 第25页 |
| ·人工神经元模型 | 第25-27页 |
| ·神经网络的学习 | 第27-30页 |
| ·神经网络的学习方式 | 第27-29页 |
| ·神经网络的学习规则 | 第29-30页 |
| ·常用的神经网络 | 第30-31页 |
| ·BP神经网络 | 第31-34页 |
| ·BP神经网络的结构 | 第31-32页 |
| ·BP学习算法步骤和流程图 | 第32-33页 |
| ·BP神经网络的优缺点及改进 | 第33-34页 |
| ·本章总结 | 第34-35页 |
| 第四章 基于自适应小波算法的信号去噪 | 第35-45页 |
| ·小波去噪简述 | 第35-39页 |
| ·小波阈值去噪原理 | 第35页 |
| ·改进的阈值函数 | 第35-38页 |
| ·小波函数与阈值的选取 | 第38-39页 |
| ·去噪过程 | 第39页 |
| ·算法步骤和流程图 | 第39-41页 |
| ·仿真实验 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于自适应学习算法的信号去噪 | 第45-55页 |
| ·小波神经网络简述 | 第45-47页 |
| ·小波神经网络的优缺点及应用 | 第45-46页 |
| ·小波神经网络结构形式 | 第46-47页 |
| ·小波神经网络的算法 | 第47-50页 |
| ·算法推导 | 第47-48页 |
| ·自适应学习算法 | 第48-50页 |
| ·隐层节点的确定 | 第50页 |
| ·小波神经网络参数初始化 | 第50页 |
| ·算法步骤及流程图 | 第50-51页 |
| ·仿真实验 | 第51-54页 |
| ·总结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 硕士期间发表论文 | 第60-61页 |
| 致谢 | 第61-62页 |
