| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要内容安排 | 第11-13页 |
| 第二章 超声检测基本理论 | 第13-20页 |
| 2.1 超声检测原理 | 第13-15页 |
| 2.2 超声回波的传播过程 | 第15-16页 |
| 2.3 超声回波的特性参数 | 第16-17页 |
| 2.4 超声检测的数学模型 | 第17-19页 |
| 2.4.1 单回波超声信号时域模型 | 第17-18页 |
| 2.4.2 多重超声回波信号时域模型 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 多重超声信号的时频分析技术 | 第20-47页 |
| 3.1 小波变换基本原理 | 第20-23页 |
| 3.1.1 傅里叶变换和短时傅里叶变换 | 第20-22页 |
| 3.1.2 小波变换的定义 | 第22-23页 |
| 3.2 小波变换在多重超声信号处理中的应用 | 第23-30页 |
| 3.2.1 MALLAT算法 | 第23-27页 |
| 3.2.2 小波在应用中的参数选取 | 第27-30页 |
| 3.3 经验模态分解方法（EMD）的基本原理 | 第30-35页 |
| 3.3.1 EMD分解过程 | 第30-32页 |
| 3.3.2 EMD方法主要性质 | 第32-35页 |
| 3.4 EMD方法在多重超声信号处理中的应用 | 第35-42页 |
| 3.4.1 端点效应及解决方案 | 第35-38页 |
| 3.4.2 模态混叠及解决方案 | 第38-42页 |
| 3.5 两种时频分析方法的应用比较 | 第42-45页 |
| 3.5.1 超声信号分解的准确性 | 第43-44页 |
| 3.5.2 超声信号重构的完备性 | 第44-45页 |
| 3.5.3 算法应用的自适应性 | 第45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 基于EMD的超声信号阈值降噪新方法 | 第47-58页 |
| 4.1 传统的降噪方法 | 第47-50页 |
| 4.1.1 EMD直接滤波法 | 第47-49页 |
| 4.1.2 基于EMD的阈值降噪法 | 第49-50页 |
| 4.2 基于EMD的阈值降噪新方法 | 第50-53页 |
| 4.2.1 传统降噪方法的不足 | 第50-51页 |
| 4.2.2 改进的降噪方法 | 第51-53页 |
| 4.3 实验仿真及结果分析 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 基于EMD和能量算子的超声信号时间识别方法 | 第58-68页 |
| 5.1 参数估计方法 | 第58-60页 |
| 5.1.1 非线性最小二乘法 | 第58-59页 |
| 5.1.2 高斯-牛顿算法（Gauss–Newton） | 第59-60页 |
| 5.2 基于能量算子的多重超声信号TOF估计 | 第60-63页 |
| 5.2.1 能量算子 | 第61-62页 |
| 5.2.2 TOF估计算法 | 第62-63页 |
| 5.3 实验仿真验证算法 | 第63-68页 |
| 5.3.1 单重超声信号的参数估计 | 第63-65页 |
| 5.3.2 多重超声信号的参数估计 | 第65-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附录 1 | 第75-76页 |
| 致谢 | 第76页 |