一、时间延迟估计的高阶谱矩估计算法（论文文献综述）
张怡如[1]（2021）在《多通信设备指纹识别技术研究》文中研究指明现代社会里通信设备泛在互联趋势愈加明显,通信设备的电子指纹识别技术,与人类指纹识别技术类似,均属于时代和科技发展的必然需要,无论军事还是民用都有着极其重要的意义。近几年来,基于人工智能的电子指纹识别技术得到飞速发展,但是针对于单一设备的识别方法不能被直接应用到实际电磁环境中。如何能在多设备混杂交织的工作环境中准确的识别出单个通信个体,是一个目前亟待解决的问题。本文主要是针对多个设备共同工作的场景下的通信设备个体识别。本文主要工作包括以下几个方面:（1）首先针对多通信设备共同工作的场景下,设计了一种先分离再识别的辐射源识别方案。这个方案对于分离和识别的精确度都有着较高的要求,为实现方案目标,需要尽可能地提高分离信号地复原程度与分类器的识别率。为此,本文的研究不仅对分类器的设计进行了优化以提高识别效果,更重要地,在信号的分离手段上进行研究来提高信号分离精度以满足识别的要求。（2）就识别部分而言,本文在使用现有双谱特征提取方法的基础上,对辐射源分类器进行研究,使识别准确率和效率都得到了提高。同时,设计了一种对辐射源时域信号的分类器,省略了特征提取步骤,简化了识别流程。（3）就分离部分而言,针对传统分离方法对波形细节恢复程度差以及对于源信号相关性的限制,使用机器学习方法进行分离,即在有监督的情况下进行训练并离线分离。其中重点研究了基于强化学习的信号分离方法,这种方法使用DDPG算法,可以在固定信道和变化信道条件下进行信号的分离,并且在离线训练时可以快速使梯度下降至局部最优,分离效率较高,分离信号信干比达到35以上。（4）最后论文对分离信号的精确程度和分类器的准确率综合进行了验证,先使用原信号训练好分类器,后使用分离出的恢复信号代替原信号作为测试集,分别进行识别效果的验证。结果显示,分离信号构成的测试集与原始信号构成的测试集的分类误差在2%内,说明了这种先分离后识别方案的可行性。
王龙奇[2]（2021）在《X射线脉冲星循环平稳信号处理算法研究》文中提出深空探测是是人类获取太空知识,走向宇宙深处,实现自我认知的伟大征程。脉冲星的发现为探索大尺度时空提供了新方向,同时X射线脉冲星导航作为一种新兴的天文自主导航方式,它利用X射线脉冲星天体分布特点和宇宙灯塔特性为航天器提供导航信息,尤其适用于深空导航。本文针对X射线脉冲星信号处理领域的关键问题,利用脉冲星自转周期稳定、脉冲星信号循环平稳的特点,提取有效频域和时域特征,并结合与特征模型相匹配的神经网络,有效实现了已知脉冲星信号辨识、待定脉冲星信号搜索和脉冲星相位信息提取。主要研究内容如下:总结脉冲星的基本物理特性,包括其辐射机制、基本分类、信号特性。针对X射线脉冲星信号循环平稳的特性,给出该类信号常用的分析手段,包括循环平稳定义,循环统计量的低阶和高阶信息,以及相应的时域和频域特征表示方法。研究脉冲星信号基于循环平稳理论的特征表示方法。首先基于信号的循环平稳特性建立数学模型,模型中考虑了脉冲星辐射过程中的周期抖动、相关性干扰和高斯噪声。将信号模型分为确定性分量和随机性分量研究其频谱特点:有用信号的频谱是离散的,随机信号的频谱是连续的。引入循环统计量,分析脉冲星信号的二阶循环谱和三阶循环谱（循环双谱）分布特点,给出循环双谱的直接估计策略,相比于传统频谱其具备更好的抗噪特性和抗干扰特性以及更丰富的相位信息。介绍罗西X射线计时探测器卫星数据,并基于仿真和实测数据对所提方法加以验证。这种特征表示方法为后续与神经网络结合提供了建模思路和效果保障。提出了一种利用双谱和DCNN的已知X射线脉冲星信号辨识方法。由于脉冲星光子通量、传播距离以及探测器面积的限制,接收到的脉冲星信号往往十分微弱。传统的基于FFT的频谱搜索技术需要累积很长时间的观测数据才能获得合适的信噪比增益。本文利用包含了非均匀采样、高通滤波、自相关等策略的高阶谱估计方法在很大程度上抑制了噪声。同时将这种二维特征与Goog Le Net相结合,充分发挥了DCNN在二维数据挖掘方面的优势,精准的实现了脉冲星信号辨识任务。实验数据来自罗西X射线计时探测器数据库中的三颗旋转供能脉冲星:B0531+21、B0540-69、B1509-58,在三颗星观测时长仅有0.5s、40s、15s的情况下可达90%以上的分类准确率。进一步的实验表明,高通滤波和自相关能有效抑制红噪声和随机噪声,双谱的非均匀采样策略能有效避免频率泄露。虽然提出算法的时间复杂度（O（n2））高于传统的FFT（O（nlogn））,但该算法从实质上减少了观测时长的要求,因此其计算复杂度与传统方法相当。提出了二维自相关轮廓图谱新概念,并与DCNN相结合,有效实现了待定X射线脉冲星信号搜索。从众多待定脉冲星信号中搜索到有效信息是脉冲星天文学的重要课题,本章从空间X射线脉冲星信号入手,提出了一种名为二维自相关轮廓图谱的特征建模方法,其通过对X射线脉冲星信号的自相关函数进行历元折叠和周期轴时域信息扩充得到。与传统折叠轮廓相比,该特征具有更强的抗噪能力、更丰富的信息和更好的特征一致性。利用高斯仿真模型对二维自相关轮廓图谱的特征分布特性进行分析,发现其特征分布与轮廓双峰间距密切相关。之后在tensorflow框架下将其与Inception-Res Net相结合,从克服数据不平衡问题和提高网络泛化能力的角度给出样本集生成策略,网络训练方案和超参数调试策略。在网络收敛到稳定状态后能成功识别99%以上的脉冲星信号,排除99%以上的干扰。实验结果验证了DCNN与特征模型的高契合度,以及提出方法在脉冲星搜索领域的巨大潜力。提出了一种基于Transformer结构的X射线脉冲星相位信息提取方法。高精度的脉冲到达时间估计是实现X射线脉冲星导航的保障。本部分对二维自相关轮廓图谱进行简化,去除自相关环节以恢复相位信息,并将简化后的特征命名为二维轮廓图谱。考虑到二维轮廓图谱在相位方向上具备前后时序关系,使用近年来在自然语言处理领域大放异彩的开创性结构Transformer,对这种时序关系进行建模学习,实现相位高精度估计的目的。仿真实验结果表明:本文所提算法优于传统互相关算法,在X射线脉冲星导航方面有很大的应用潜力。
周子恒[3]（2020）在《Markov跳变系统的高阶矩状态估计》文中研究表明实际生产过程既有时间的状态连续演化,又有受离散事件驱动的随机跳变,对于此类受时间和事件共同影响的随机Markov跳变系统,由于存在不同模态下的随机跳变,使得其状态估计问题具有挑战性。在现有研究结果中,一般是对跳变系统的状态变量进行一阶矩和二阶矩估计,即均值和均方估计。然而,在实际系统中,有时仅考虑状态的一阶矩和二阶矩信息难以满足要求,甚至会导致估计结果不够精准。本文引入统计论中的累积量生成函数研究Markov跳变系统的高阶矩状态估计问题。相比于现有的一阶和二阶状态估计方法,这种考虑高阶矩状态的估计方法,由于将系统状态的高阶矩信息纳入考虑范围,提升了状态估计的效果,弥补了现有方法的不足,具体贡献如下:1.引入去随机化方法和累积量生成函数,研究随机Markov跳变系统的高阶矩Kalman滤波问题。运用去随机化方法将多模态跳变系统转化为单一模态系统,再基于转化后的单一模态系统利用Kalman滤波算法进行估计。去随机化方法将转移概率信息引入转化后的系统,确保转化后的系统状态与原始系统状态范数相同;在此基础上,引入统计论中累积能量函数的概念,通过一阶泰勒展开获取状态的高阶矩成分。相比于均值估计和方差估计,这种考虑系统高阶矩状态的迭代估计算法更加灵活,弥补了一阶和二阶矩状态估计的不足,可以获得更好的估计效果。2.考虑具有非线性环节的Markov跳变系统,基于贝叶斯理论研究其高阶矩状态估计问题。改进累积量生成函数,将非线性环节转化为系统状态的高阶矩成分,采用贝叶斯理论对转化后的系统进行高阶矩状态估计。由于非线性成分会导致不能轻易地分离出系统状态,所以在改进的累积能量函数中,针对状态向量的每一个分量进行单独考虑,将状态的高阶矩由向量简化为标量,从而获得非线性情形下系统状态的高阶矩形式,在贝叶斯框架下解决非线性Markov跳变系统的高阶矩状态估计问题。3.为了解决测量噪声的时间相关特性给状态估计带来的困难,采用测量差分法,通过线性变换将原始的具有时间相关特性的测量噪声序列转化成一个等价的时间无关的新型测量噪声序列;然后设计高阶矩有限时间滤波器,确保有限时间内系统估计误差在平衡点受限范围内运动。相较于已有结果,考虑估计误差在有限时间内的短时间特性,研究测量噪声具有时间相关特性的Markov跳变系统高阶矩状态估计,通过引入系统高阶矩状态的短时间性能指标,使所设计的高阶矩状态滤波器在特定时间段内具有理想的估计性能。4.针对特定频段下的故障信号,研究Markov跳变系统的高阶矩故障检测问题。设置在特定频段下的故障和噪声性能指标,利用广义KYP引理的等效变换和射影定理的不等式转化,将原本基于传递函数的特定频段下的性能指标转化为一组线性矩阵不等式。在基于观测器的高阶矩跳变系统故障检测问题中引入频段信息,对故障检测具有更小的保守性,为实际应用提供思路。5.在多传感器测量情况下,研究Markov跳变系统的高阶矩状态的融合估计问题。首先进行系统状态的高阶矩估计,再通过最大熵理论,将来自不同传感器的状态信息进行融合。在融合时,借助于信息熵理论,将状态的高阶矩信息纳入考虑范围,降低了融合后系统状态的信息不确定性,进一步提升了融合效果,从而改善状态估计性能。
陶锴[4]（2020）在《基于声发射的含水岩土安全监测技术研究》文中指出随着中国经济的飞速发展,基础设施建设自二十世纪以来呈现井喷式上升,建设规模的增加为结构稳定性和安全性带来了挑战,岩土工程安全监测已成为关乎国民生命财产的重要议题。含水量的增加会导致岩体抗压抗剪强度降低,削弱结构的稳定性,进而造成矿井坍塌、大坝溃堤等安全事故。由于水对岩体结构的软化作用,渗水失稳已成为当前工程事故的重要因素,对岩体结构开展含水率实时监测、损伤等级评估和灾害预警工作对保障工程进展和人民安全具有重要意义。本文以声发射技术为手段,针对含水岩土工程中水分对结构损伤和声发射的影响、监测数据建模处理、含水率识别以及损伤评估等问题开展研究,全文的主要内容如下:对水分-声发射-损伤等级三者的关联影响进行探讨,采用有限元仿真和单轴压缩激发声发射,利用声发射信号时域观测、功率谱分析、高阶谱分析、参数分析和谱采样分析等方法,总结了不同含水率状态下的声发射时频域特征,从数值模拟和宏观实验角度验证水分对岩石声发射的抑制作用。为了刻画水分对岩石损伤等级的影响,对不同含水率样本受压裂纹进行计算机断层扫描,通过二值像素分析量化损伤等级。利用联通域扫描和图像细化方法获得裂纹形态学指标,采用综合损伤指标量化不同含水率样本的断层扫描图像,通过定量分析得到水分对损伤的影响作用。为完成监测信号的建模处理,首先模拟人脑记忆与遗忘机理,将监测数据存储系统划分为短时记忆存储区和长时记忆存储区,利用门限值控制完成噪声数据的“遗忘”和有效监测数据的“记忆”。为了完成监测数据的序列存储,提出信号简谱化模型,利用音乐谱线完成监测信号包络采样,将人耳不可感知的损伤信号折换为具有可听属性的损伤音乐指标。开展多类型损伤信号乐谱化处理实验,在结合长短时记忆网络的损伤类型识别实验中验证了此种方法对信号特征保留的功能。为了完成失效传感器数据恢复,将简谱化模型与卡尔曼算法结合,以失效前的极值和近邻传感器数据为基础完成遗失数据的拟合重建。基于环境因素作用下的参数波动规律和聚类分析提出参数两步选择法,实现声发射参数的择优筛选,给后继模式识别任务实现数据指标的科学选取。从算法对比中可以看出,虽然两步参数选择法的时间消耗较大,但选择出的参数在模式识别中表现更好。为完成岩石含水率在线监测,基于模糊数学原理提出含水率模糊识别方法。利用声发射参数的统计规律,通过计算参数公差得到重要性排序,并基于此排序规划判断矩阵,得到具有环境自适应功能的权重向量。以Softmax函数对每一种含水率的输出向量为依据构建隶属度矩阵,并把自适应权重向量和隶属度矩阵的模糊计算值作为含水率识别结果。设计了砂岩-沙土层叠结构,利用有限元仿真模拟了水在此结构中渗流过程的压强分布。设计了传感器部署机械结构和声发射数据采集系统,实验中含水率模糊识别结果与真实含水率分布具有较高的一致性。开展不同颜色光引导的脑电信号采集实验,通过分析Beta波成分确定对人体专注度的影响,最终确定了适宜人体专注度的报警光颜色序列。为充分利用声发射参数信息完成损伤评估,综合可靠性理论、信息熵理论、因果推理理论等对环境因素和损伤结果的逻辑关联开展不确定性推导,提出包含参数间相关性信息的时域特征波和描述损伤出现置信度的损伤信息熵向量。基于岩石损伤力学和概率统计知识提出疲劳度指标,在不同含水损伤评估实验中验证了此指标对含水损伤样本的敏感性。基于贝叶斯理论提出溯源度指标,通过信号到达时间参数完成损伤区域的概率定位。
刘姝[5]（2019）在《低频辐射源特征提取及识别方法研究》文中研究表明在通信对抗和电子侦察领域,低频辐射源的识别是一个重要的研究课题。即使已知辐射源型号以及发射信号类型,也很难实现信号的完全复制。这是因为构成辐射源的各类元器件之间不可避免地存在着差异。本文研究了低频辐射源的特征提取及分类识别方法,对这一领域进行了有益探索。主要研究内容如下:首先,寻找一个有效的信号处理方法,只有在找到可靠信号处理方法的基础上才能提取到稳定并且具有区分度和辨识度的特征。本文主要研究了局部均值分解（Local Mean Decomposition,LMD）和变分模态分解（Variational Mode Decomposition,VMD）两种时频分析方法,并对分解效果进行了对比,在分解步骤后提取边际谱,结合线性调频Z变换（Chirp Z Transform,CZT）,在不增大抽样点数和运算量的情况下,极大地提高了频率分辨率,实现频谱细化。其次,研究了基于时频分析的特征提取方法,在经过细化的边际谱基础上,计算香农熵和指数熵以及信号的关联维数特征,分别对仿真信号和实测信号进行分析,分析结果表明这三种特征结合之后可以实现较好的可分性。然后,研究了双谱特征的提取,引入图谱理论,提出了利用二维图傅里叶变换把信号从高阶谱域映射到特征值域,并在此基础上提取谱亮度、谱平坦度和谱滚降度等谱特征的方法。除了基础的图傅里叶变换,采用节点间欧氏距离取对数的方法对变换中的权值进行调整。对于集中在低阶次区域的双谱,使用权值全新定义的图傅里叶变换可以突出低阶次区域的差异。仿真和实测信号的分析结果表明,该方法提高了谱特征的有效性。最后的分类识别阶段,分别使用核函数为径向基（Radial Basis Function,RBF）的支持向量机（Support Vector Machine,SVM）和贝叶斯分类器,在不同信噪比下对上文中提取到的特征进行分类识别,并且将两个分类器的分类效果进行对比,结果表明改进的组合特征提取方法可以实现对辐射源的有效区分。
马元桐[6]（2019）在《基于高阶统计分析的电力线信道噪声特性研究》文中研究表明电力线通信（Power Line Communication,英文简称PLC）是一种以电力线作为传输媒介的通信方式,主要用于传输数据、语音和视频。本文分析了电力线信道中常见的三种噪声,有色背景噪声,脉冲噪声和窄带噪声,然后利用Matlab对三种噪声进行建模。接下来研究了电力线信道的特性,并进行了电力线信道建模,在信道中加入了三种电力线噪声,在这个电力线通信模型中又进行了以下三个方面的仿真实验。首先,由于高阶累积量可以反映信号的相位信息,可以解决二阶累积量无法实现相位信息检测的缺陷。本文研究了在不同信噪比条件下,四阶累积量算法与二阶累积量算法信噪分离效果。其次,信噪比在通信信号处理中十分重要,而且在卫星通信和蜂窝通信等通信系统也起到了关键的作用。本文研究了M2M4估计法,最大似然估计法和误差矢量幅值法三种估计算法在不同信噪比下的性能。最后,自适应滤波是一种基于维纳滤波等线性滤波的滤波方法。因为它的滤波性能强于传统滤波方法,如今已经在实际工程中得到大量应用。文中具体地分析了自适应算法的理论体系、模型及具体实施步骤,对比研究了递归最小二次方算法和基于三阶累积量的RLS算法,并根据仿真的结果得出结论。
邱展[7]（2019）在《动态失速下的二维气动弹性动力学研究》文中研究说明直升机高速前飞时,桨叶的周期振荡使得其处在一个动态失速流场和柔性结构相耦合的非线性气动弹性系统中。动态失速时,动态失速涡在桨叶上形成而导致的升力过冲,严重分离而导致的升力突降,以及攻角减小时边界层的复杂再附过程使得桨叶上的气动载荷产生了很强的非线性,这样的非线性常常导致整个系统产生十分复杂的非线性气弹响应,极大限制了直升机的性能提升,所以对于动态失速下受迫振荡翼型的气弹响应的研究成为了直升机设计研究重点的关键问题。学术界对于结构非线性对气弹响应产生的影响做了很多的研究,然而气动非线性对于气弹响应的影响机制尚未研究清楚,仍需进一步探究,这其中最关键的问题包括适合的气动力模型以及准确的气弹响应非线性分析。针对以上的问题,本文对于动态失速下翼型的气动弹性问题进行了深入研究:1、基于现有的Beddoes-Leishman动态失速模型,针对动态失速的再附着阶段进行补充建模。根据再附着过程边界层具有两个不同阶段的特点,对原Beddoes-Leishman模型中量化分离点对气动载荷影响的Kirchoff方程进行了修正,获得相对原模型更为准确的动态失速气动模型,并对该模型进行了校检。同时,基于神经网络获得翼型结构位移和翼型气动载荷之间的映射关系,建立动态失速神经网络降阶模型,作为对比补充;2、进行动态失速气动弹性系统的实验探究,并对理论模型预测的气弹响应结果进行对比验证。同时,利用相空间重构及高阶谱分析对带有阻尼的气弹系统响应进行非线性分析。3、利用上述改进的气动力模型,耦合相应的气动弹性动力学系统进行气弹耦合计算,探讨了系统自然频率,马赫数以及耦合程度对于气弹响应规律的影响。其中,针对单自由度系统,探究了较高自然频率下特定自然频率-驱动频率比值下的次共振现象,并针对数值模拟流场信息提出了尾缘处反向涡系干扰不稳定性诱发次共振产生的机理。另外,探究了较低自然频率下,系统气动刚度对气弹响应的影响。针对双自由度系统,探究了耦合程度对于气弹响应的非线性影响以及受迫振荡系统中的内共振现象。
徐修瑜[8]（2018）在《有界空间中沉积物声学参数测量方法研究》文中指出随着海洋环境研究与应用的深入,海底沉积物声学参数的获取在声传播建模研究中的重要性日趋明显。目前主要获取方法有逐点在位测量以及反演。而对于海底沉积物声速的测量,关键在于传播时间提取。因此,本文主要研究不同形式信号下的时延估计算法,对其进行仿真,并通过实验数据加以验证。论文首先介绍了海底沉积物声速测量所存在的问题,分析了时延估计的发展历程以及研究现状,归纳总结出目前时延估计遇到的难点,主要在于噪声的存在、多途的干扰、信号的时变性以及宽带信号。然后介绍了沙质沉积物声速频散窄带测量方法,在有界空间内,根据时延估计来计算声速,针对存在的问题,研究了四种算法:互相关法、高阶谱法、子空间分解法以及子空间拟合法。将四种算法进行对比和分析,分析噪声大小、脉冲宽度以及加窗与否对于算法性能的影响,分析各种算法在不同环境下的适用情况,最后对实验数据进行处理,分析实验存在的主要误差,设计改进算法。进一步介绍了沙质沉积物声速频散宽带测量方法,给出了宽带声速测量的必要性分析,提出基于脉冲压缩技术的声速频散宽带测量算法,进行仿真研究。设计实验室的沙质沉积物声速频散宽带测量实验,最后进行实验数据的处理。为避免多途干扰,水池实验中采用的信号脉宽较窄。由于信号频率高,因此发射信号带宽大。为了使得发射声信号的频谱与期望信号的频谱尽可能相近,论文应用实测的换能器发送电压响应对驱动信号进行了补偿,以减弱换能器带宽不足带来的声信号波形的畸变。文中首先对该方法进行了数值仿真,初步验证了方法的有效性,并在此基础上开展了实验室水池实验。实验结果表明,驱动信号补偿后,窄带声信号的频峰偏移得到明显降低,宽带声信号的带宽与驱动信号的带宽更为逼近。换能器驱动信号补偿方法拓宽了换能器的工作带宽,降低了宽带测量数据的起伏,提高了与窄带数据的吻合度。
王子民[9]（2013）在《经穴电信号特性分析与分类算法研究》文中认为经络理论是中医基础理论的核心之一,在指导中医临床实践中起着决定性的作用。经络是体表与脏腑,机体环境和外环境联系的主要通道和途径,经络的生理作用是通过其对信息与物质的动态传输作用表现出来的,因此展开现代经络特性研究,特别是从电信息的角度开展经络信息传递、生理调控及其与人体生理病理状态的联系等方面的研究,将对中医经络临床诊断、预防和治疗具有重要意义,同时也为经络实质的研究提供重要的参考。本文首先对所采集的经络穴位电信号滤波预处理,然后从信号的特性分析入手对经穴电信号进行时频分析、高阶谱分析、非线性动力学特性分析等研究工作,最后对穴位信号与相对应的非穴位参照信号进行了分类研究。所取得的主要研究成果为：对所采集的经络穴位信号进行了滤波处理研究。针对穴位电信号的产生机理及其采集所遇到的影响因素和难点进行了分析。利用卡尔曼滤波对采集的经穴电信号进行滤波处理。由于卡尔曼滤波算法存在一定的不鲁棒特点,在存在概率模型方面的不确定情况下对其进行了鲁棒化处理,实验的结果表明基于鲁棒卡尔曼滤波方法对经穴电信号具有较好的滤波作用。对经穴电信号进行了时频特性分析。首先研究了短时傅里叶变换的理论与实现,然后对小波变换和Wigner分布进行了分析与研究。在研究了静态时频特性之后,利用Gabor变换和小波熵等概念对经穴电信号进行了动态时频分析。对经穴电信号进行了高阶谱分析。高阶谱不仅保留了信号的幅值信息而且还保留了信号的相位信息。利用双谱的切片谱很容易可以检测出信号之间的相位耦合现象。为了兼顾计算速度与信息的全面性,本文提出一种基于复合切片谱的经穴电信号特性分析方法。经时间复杂度分析与实验数据验证,表明该方法在保留了水平与垂直方向上的信息基础上,与双谱的计算量相比减少了计算量,节约了运行时间,提高了运行效率。在研究高阶谱的基础上,还分析研究了经穴电信号的Wigner时变高阶谱与Wigner时变双谱切片。实验的结果表明,健康人体的穴位信号与非穴位信号之间、饭前与饭后不同状态下的穴位信号之间、健康人体穴位信号与心脏心血管疾病患者的穴位信号之间,其高阶谱特性存在明显的差异,并且其差异表现出一定的规律性。对于小波分解后的低频子带信号,饭后穴位信号的高阶谱特征明显高于饭前；而小波分解后的高频子带信号,饭后穴位信号的高阶谱特征低于饭前。心脏心血管疾病患者的穴位信号高阶谱特征明显低于正常人的相应高阶谱特征。对经穴电信号进行了混沌特性分析。首先利用替代数据法对经穴电信号进行非线性检测。检测的结果表明人体经络穴位信号是一种非线性的信号。然后分别对健康人体的经穴信号与对应的非穴位信号以及心脏心血管疾病患者的穴位信号进行相空间重构,在此基础上对一些常用的非线性动力学性能指标进行了对比分析。实验的结果表明,穴位电信号表现出非线性动力学特性,并且健康人体的经穴信号与对应的非穴位信号以及心脏心血管疾病患者的穴位信号其非线性动力学参数表现出不同程度的差异。对健康人体的穴位信号与非穴位信号、饭前与饭后不同状态下的穴位信号以及健康人体穴位信号与心脏心血管疾病患者的穴位信号之间进行了基于优化神经网络的分类研究。传统的BP神经网络算法具体收敛速度慢,容易收敛到局部最小,对于多值分类泛化能力较弱。针对以上神经网络算法中的不足,本文提出一种基于量子进化神经网络的经穴电信号分类模型。实验结果表明,该模型能够较好地对健康人体的穴位信号与非穴位信号、饭前与饭后不同状态下的穴位信号以及健康人体穴位信号与心脏心血管疾病患者的穴位信号进行分类。对基于经穴电信号的支持向量机分类模型进行了研究。针对目前支持向量机分类算法还存在着惩罚函数与核函数难以确定的问题,本文提出了一种基于粒子群优化算法的经穴电信号支持向量机分类模型。实验结果表明该模型对健康人体的穴位信号与非穴位信号、饭前与饭后不同状态下的穴位信号以及健康人体穴位信号与心脏心血管疾病患者的穴位信号具有较好的分类准确率。与此同时,相比神经网络分类模型而言,基于粒子群优化算法的SVM分类算法比神经网络分类模型的分类准确率略有提高。
张小慧[10]（2012）在《信号高阶谱分析及在地震勘探中的应用研究》文中提出采用合理有效的方法从地震数据中准确提取出地震子波是地震勘探领域的重要任务，它是地震资料反褶积处理、偏移、特征提取、地球物理解释的基础工作。在现代信号处理中，信号高阶谱的分析方法应用于地震子波的提取，不仅将地震信号的分析由传统的二阶推向了高阶，弥补了二阶统计量方法造成相位信息丢失的不足，使真实的子波从高阶统计量中得到准确有效的恢复，从而提高了地震资料的分辨率；高阶谱分析方法能够有效的抑制实际地震记录中的色噪声，使得有效波更为突出，这是常规的二阶统计量估计方法所无法比拟的。本文基于高阶统计量的分析方法较为透彻的研究和分析了其在地震子波提取中的具体演算过程。文中首先介绍了信号高阶谱及其在地震勘探领域的研究背景、意义和研究现状并提出了一套基于三阶谱子波估计的研究思路，接下来详细研究和分析了高阶统计量的基本理论和特征，结合时延估计在地震勘探中的重要作用，通过算例验证了几种不同的时延估计方法，包括高阶谱时延估计方法，针对地震子波的形成原理和理论模型讨论了几种常用的子波提取方法，由现有子波提取方法存在的弊端引出了一种双谱子波提取方法，并对此方法展开了详细分析，最后通过仿真验证了高阶谱方法尤其是双谱和三谱法在地震子波提取中的可行性，从提取结果可以看出高阶谱方法提取地震子波不需要对子波的相位作任何假设，也不需要对信号的噪声进行某种假设，是一种客观的估计子波的方法。文中把现代信号的高阶谱分析运用到地震子波的提取，合理的运用了高阶谱既含有振幅信息，又含有相位信息这一特征，直接从地震记录的高阶谱中恢复出子波的振幅谱和相位谱，进而重构子波。本文所取得的成果在于分别使用了BMU与BLW算法对不同相位的子波进行了相位恢复。通过对BMU算法进行改进，解决了相位值跃变的问题，使波形尾部邻近点的相位值线性相关，并解决了BMU算法存在的相位模糊的问题，使地震子波得以精确恢复；通过采用传统的自相关方法和高阶谱方法对比分析，充分显示了高阶谱方法的优越性。理论模型的结果表明：高阶谱方法估计子波具有稳定性高、抗噪能力强等优点。从文中的研究，充分展示了高阶谱作为一种数学工具在提高地震阶资料的分辨率的应用潜力。
二、时间延迟估计的高阶谱矩估计算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、时间延迟估计的高阶谱矩估计算法（论文提纲范文）
（1）多通信设备指纹识别技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 辐射源个体识别研究现状 |
| 1.2.2 盲源分离研究现状 |
| 1.3 本论文的结构安排 |
| 第二章 多设备指纹识别相关技术 |
| 2.1 辐射源个体特征提取理论 |
| 2.1.1 辐射源指纹特征选择 |
| 2.1.2 高阶谱稳态特征 |
| 2.1.3 辐射源个体识别方法 |
| 2.2 盲源分离理论 |
| 2.2.1 盲源分离数学模型 |
| 2.2.2 独立成分分析法 |
| 2.3 机器学习在多设备指纹识别的应用 |
| 2.3.1 机器学习的基本概念 |
| 2.3.2 常见机器学习算法在辐射源个体识别的应用 |
| 2.3.3 机器学习在信号分离中的应用 |
| 2.4 多通信设备的指纹识别方案 |
| 2.5 本章小结 |
| 第三章 辐射源个体识别技术 |
| 3.1 循环神经网络介绍 |
| 3.1.1 循环神经网络结构 |
| 3.1.2 循环神经网络存在的问题 |
| 3.1.3 长短时记忆网络结构 |
| 3.1.4 门控循环单元 |
| 3.2 辐射源分类网络设计 |
| 3.2.1 卷积神经网络结构设计 |
| 3.2.2 基于GRU的神经网络设计 |
| 3.3 实验结果与分析 |
| 3.3.1 数据集生成 |
| 3.3.2 使用NIN-MLP-CNN进行分类 |
| 3.3.3 使用GRU网络对时序信号进行分类 |
| 3.4 本章小结 |
| 第四章 基于神经网络的信源数估计和信号分离 |
| 4.1 信源数估计方法 |
| 4.1.1 信息论法 |
| 4.1.2 平滑秩序列法 |
| 4.1.3 盖氏圆盘法 |
| 4.1.4 神经网络 |
| 4.2 GRU分离网络设计 |
| 4.2.1 双向GRU网络的优势 |
| 4.2.2 双向GRU网络结构设计 |
| 4.3 实验结果与分析 |
| 4.3.1 数据集生成 |
| 4.3.2 基于神经网络的信源数识别 |
| 4.3.3 基于双向GRU网络的信号分离 |
| 4.4 本章小结 |
| 第五章 基于强化学习的信号分离 |
| 5.1 强化学习原理 |
| 5.2 强化学习方法 |
| 5.2.1 基于价值的强化学习方法 |
| 5.2.2 基于策略的强化学习方法 |
| 5.2.3 Actor-Critic算法 |
| 5.3 DDPG算法原理 |
| 5.4 基于DDPG的分离算法设计 |
| 5.4.1 DDPG动作空间 |
| 5.4.2 DDPG状态空间 |
| 5.4.3 DDPG奖励函数 |
| 5.4.4 DDPG网络结构设计 |
| 5.5 实验结果与分析 |
| 5.5.1 固定混合模式下的信号分离 |
| 5.5.2 变化混合模式下的信号分离 |
| 5.6 整体方案验证 |
| 5.7 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 工作总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（2）X射线脉冲星循环平稳信号处理算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题背景及意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 脉冲星信号处理技术研究现状 |
| 1.2.2 脉冲星新星搜索技术研究现状 |
| 1.2.3 研究现状分析 |
| 1.3 本课题研究思路 |
| 1.4 论文主要研究内容 |
| 第2章 脉冲星信号处理基本理论 |
| 2.1 引言 |
| 2.2 脉冲星基本特性 |
| 2.2.1 脉冲星的发现与分布命名 |
| 2.2.2 脉冲星基本机理 |
| 2.2.3 脉冲星信号的能段分布和时域特征 |
| 2.2.4 到达光子的统计特性 |
| 2.3 循环统计量基本理论 |
| 2.3.1 循环平稳的定义与分类 |
| 2.3.2 二阶循环统计量理论 |
| 2.3.3 高阶循环统计量理论 |
| 2.4 本章小结 |
| 第3章 基于高阶循环统计量的脉冲星信号特征分析 |
| 3.1 引言 |
| 3.2 方法和分析 |
| 3.2.1 脉冲星信号模型 |
| 3.2.2 脉冲星信号频谱分析 |
| 3.2.3 脉冲星信号的二阶循环统计量分析 |
| 3.2.4 脉冲星信号的三阶循环统计量分析 |
| 3.3 仿真分析结果 |
| 3.3.1 脉冲星信号模拟 |
| 3.3.2 脉冲星信号频谱分析 |
| 3.3.3 脉冲星信号二阶循环统计量分析 |
| 3.3.4 脉冲星信号三阶循环统计量分析 |
| 3.4 实测数据分析 |
| 3.4.1 实验脉冲星选取 |
| 3.4.2 RXTE数据提取 |
| 3.4.3 实验结果分析 |
| 3.5 结论 |
| 第4章 基于双谱的已知X射线脉冲星辨识方法 |
| 4.1 引言 |
| 4.2 特征提取方法 |
| 4.2.1 光子信号预处理 |
| 4.2.2 自相关估计 |
| 4.2.3 双谱特征提取 |
| 4.3 GoogLeNet神经网络 |
| 4.3.1 卷积神经网络模型 |
| 4.3.2 GoogLeNet网络模型 |
| 4.3.3 样本集及标签 |
| 4.4 结果和分析 |
| 4.4.1 传统方法结果 |
| 4.4.2 提出方法结果 |
| 4.4.3 分析和讨论 |
| 4.5 结论 |
| 第5章 基于2D-APM的X射线脉冲新星搜索方法 |
| 5.1 引言 |
| 5.2 方法 |
| 5.2.1 二维自相关轮廓图谱 |
| 5.2.2 Inception-Resnet神经网络 |
| 5.3 样本集生成策略 |
| 5.3.1 基于泊松分布的TOAs模拟 |
| 5.3.2 训练数据集生成 |
| 5.3.3 测试数据集生成 |
| 5.4 实验结果 |
| 5.4.1 网络训练结果 |
| 5.4.2 分析与讨论 |
| 5.5 结论 |
| 第6章 X射线脉冲星相位估计方法研究 |
| 6.1 引言 |
| 6.2 基于脉冲轮廓的传统相位估计方法 |
| 6.2.1 基于脉冲轮廓的相位估计算法 |
| 6.2.2 克拉美罗下界 |
| 6.3 方法 |
| 6.3.1 二维轮廓图谱 |
| 6.3.2 网络结构 |
| 6.4 仿真实验 |
| 6.4.1 模拟数据集 |
| 6.4.2 相位估计结果 |
| 6.5 结论 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（3）Markov跳变系统的高阶矩状态估计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 状态估计 |
| 1.1.1 递归状态估计 |
| 1.1.2 H∞状态估计 |
| 1.1.3 高阶矩状态估计 |
| 1.2 Markov跳变系统 |
| 1.2.1 Markov跳变系统简介 |
| 1.2.2 Markov跳变系统状态估计 |
| 1.3 主要研究内容 |
| 第二章 基于累积量生成函数的Markov跳变系统高阶矩Kalman滤波 |
| 2.1 引言 |
| 2.2 跳变系统的去随机化 |
| 2.3 状态的高阶矩变换 |
| 2.4 高阶矩Kalman迭代滤波 |
| 2.5 仿真示例 |
| 2.5.1 数值仿真 |
| 2.5.2 应用仿真 |
| 2.6 本章小结 |
| 第三章 非线性Markov跳变系统高阶矩贝叶斯状态估计 |
| 3.1 引言 |
| 3.2 非线性Markov跳变系统 |
| 3.3 高阶矩Kalman迭代状态估计 |
| 3.3.1 基于EKF的高阶矩状态迭代估计 |
| 3.3.2 基于UKF的高阶矩状态迭代估计 |
| 3.3.3 数值仿真 |
| 3.4 高阶矩贝叶斯估计 |
| 3.4.1 算法流程 |
| 3.4.2 数值仿真 |
| 3.5 本章小结 |
| 第四章 带相关测量噪声的Markov跳变系统高阶矩有限时间H∞滤波 |
| 4.1 引言 |
| 4.2 测量噪声时间相关的跳变系统 |
| 4.3 高阶矩有限时间估计 |
| 4.4 高阶矩有限时间H∞估计 |
| 4.5 仿真示例 |
| 4.5.1 数值仿真 |
| 4.5.2 应用仿真 |
| 4.6 本章小结 |
| 第五章 基于高阶矩有限频段滤波器的Markov跳变系统故障检测 |
| 5.1 引言 |
| 5.2 带有特定频段故障信号的跳变系统 |
| 5.3 高阶矩有限频段滤波器设计 |
| 5.4 仿真示例 |
| 5.4.1 数值仿真 |
| 5.4.2 应用仿真 |
| 5.5 本章小结 |
| 第六章 Markov跳变系统的高阶矩状态融合估计 |
| 6.1 引言 |
| 6.2 跳变系统状态的概率密度函数 |
| 6.2.1 基于最大熵理论的概率密度函数求解 |
| 6.2.2 基于最大熵的二阶矩融合 |
| 6.3 高阶矩最大熵融合估计 |
| 6.4 基于KL散度的次优融合估计 |
| 6.5 数值仿真 |
| 6.6 本章小结 |
| 第七章 总结和展望 |
| 致谢 |
| 参考文献 |
| 附录 :攻读博士学位期间发表的论文 |
（4）基于声发射的含水岩土安全监测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 含水岩土安全监测系统研究现状 |
| 1.2.1 含水率-声发射关联国内外研究进展 |
| 1.2.2 损伤数据建模处理国内外研究进展 |
| 1.2.3 岩石含水率识别国内外研究进展 |
| 1.2.4 损伤评估国内外研究进展 |
| 1.3 本文研究内容 |
| 2 岩石含水损伤-声发射信号关联探究 |
| 2.1 单轴受压数值仿真研究 |
| 2.1.1 控制方程与边界条件 |
| 2.1.2 仿真结果 |
| 2.2 单轴压缩实验与信号分析 |
| 2.2.1 实验样本与采集设备描述 |
| 2.2.2 信号参数分析法 |
| 2.2.3 不同载荷对声发射信号的影响 |
| 2.2.4 不同含水率对声发射信号的影响 |
| 2.2.5 基于智能采样指标的含水率等级观测与检定 |
| 2.3 基于计算机断层扫描影像分析的损伤量化 |
| 2.3.1 扫描设备与图像处理算法 |
| 2.3.2 损伤等级量化 |
| 2.4 本章小结 |
| 3 损伤监测系统建模 |
| 3.1 拟人记忆监测数据约简 |
| 3.2 基于简谱化的监测信号处理模型 |
| 3.2.1 监测系统描述 |
| 3.2.2 简谱化模型 |
| 3.2.3 基于LSTM网络的损伤模式识别 |
| 3.2.4 失效数据恢复 |
| 3.2.5 模型实验 |
| 3.3 声发射参数筛选 |
| 3.3.1 第一步筛选 |
| 3.3.2 第二步筛选 |
| 3.3.3 模型实验 |
| 3.4 本章小结 |
| 4 含水率模糊识别 |
| 4.1 模糊评估基本原理 |
| 4.2 基于模糊数学的含水率识别 |
| 4.2.1 自适应权重向量 |
| 4.2.2 隶属度矩阵 |
| 4.2.3 含水率模糊识别 |
| 4.3 渗流数值模拟 |
| 4.3.1 边界条件 |
| 4.3.2 仿真结果 |
| 4.4 含水率识别实验 |
| 4.4.1 实验系统描述 |
| 4.4.2 声发射信号预处理 |
| 4.4.3 实验数据分析 |
| 4.5 脑电信号强度视觉预警 |
| 4.6 本章小结 |
| 5 含水损伤评估 |
| 5.1 基于信息熵-可靠性分析的损伤评估 |
| 5.1.1 声发射信号时域特征波 |
| 5.1.2 损伤因果推理逻辑与可靠性理论 |
| 5.1.3 推理度矩阵 |
| 5.1.4 结构损伤信息熵向量 |
| 5.2 损伤因果推理 |
| 5.2.1 疲劳评估 |
| 5.2.2 原因溯源 |
| 5.3 系统实验 |
| 5.3.1 砂岩含水损伤评估 |
| 5.3.2 损伤源定位 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 附录 |
| A.作者在攻读博士学位期间取得的成果目录 |
| B.作者在攻读博士学位期间参与的科研项目 |
| C.作者在攻读博士学位期间取得的奖项 |
| D.学位论文数据集 |
| 致谢 |
（5）低频辐射源特征提取及识别方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 辐射源指纹特征提取的发展现状 |
| 1.2.2 图谱理论 |
| 1.2.3 分类器 |
| 1.3 本文主要内容和结构安排 |
| 第二章 信号分解及谱细化 |
| 2.1 引言 |
| 2.2 模式分解方法 |
| 2.2.1 局部均值分解 |
| 2.2.2 变分模态分解 |
| 2.3 仿真及实测信号结果分析 |
| 2.3.1 海洋噪声 |
| 2.3.2 仿真信号分解 |
| 2.3.3 实测信号分解 |
| 2.4 边际谱 |
| 2.5 线性调频Z变换 |
| 2.6 本章小结 |
| 第三章 基于信号分解的特征提取 |
| 3.1 引言 |
| 3.2 信息熵特征 |
| 3.2.1 原理 |
| 3.2.2 仿真信号熵特征提取 |
| 3.2.3 实测信号熵特征提取 |
| 3.3 关联维数特征 |
| 3.3.1 原理 |
| 3.3.2 参数选择 |
| 3.3.3 仿真信号关联维数特征提取 |
| 3.3.4 实测信号特征提取 |
| 3.4 组合特征提取 |
| 3.4.1 仿真信号特征提取 |
| 3.4.2 实测信号特征提取 |
| 3.5 本章小结 |
| 第四章 基于高阶统计量的特征提取 |
| 4.1 引言 |
| 4.2 高阶统计量 |
| 4.2.1 高阶谱的定义 |
| 4.2.2 双谱的性质 |
| 4.2.3 双谱的算法 |
| 4.3 谱特征 |
| 4.3.1 谱平坦度 |
| 4.3.2 谱亮度 |
| 4.4 图谱理论 |
| 4.4.1 图的基本概念 |
| 4.4.2 图傅里叶变换 |
| 4.5 双谱特征分析 |
| 4.6 图傅里叶变换后的特征值谱 |
| 4.7 谱特征提取 |
| 4.8 本章小结 |
| 第五章 分类器设计 |
| 5.1 引言 |
| 5.2 支持向量机 |
| 5.3 贝叶斯分类器 |
| 5.4 个体识别 |
| 5.4.1 仿真信号识别 |
| 5.4.2 实测信号识别 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 后期工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（6）基于高阶统计分析的电力线信道噪声特性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外发展现状 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第2章 G3-PLC电力线信道建模 |
| 2.1 G3-PLC的发射部分 |
| 2.2 电力线信道建模 |
| 2.2.1 多径衰落 |
| 2.2.2 电力线噪声建模 |
| 2.2.2.1 有色背景噪声AR模型法 |
| 2.2.2.2 有色背景噪声小波马尔科夫链法 |
| 2.2.2.3 窄带噪声 |
| 2.2.2.4 脉冲噪声 |
| 2.3 G3-PLC的接收部分 |
| 2.3.1 基于前导序列的同步算法 |
| 2.3.2 OFDM解调 |
| 2.3.3 差分解调 |
| 2.4 本章小结 |
| 第3章 电力线噪声的高阶统计特性分析 |
| 3.1 高阶累积量 |
| 3.2 高阶累积量估计 |
| 3.3 高阶谱估计 |
| 3.4 基于高阶累积量的单频电力线通信测试信号的识别 |
| 3.4.1 仿真过程 |
| 3.4.2 Hinich检验准则 |
| 3.4.3 基于高阶统计量的单频载波通信噪声抑制方法研究 |
| 3.4.3.1 高阶统计量算法 |
| 3.4.3.2 信噪比的影响分析 |
| 3.4.3.3 信号检测分析 |
| 3.5 本章小结 |
| 第4章 信噪比估计算法 |
| 4.1 误差矢量幅值法 |
| 4.2 M2M4 估计法 |
| 4.3 最大似然估计法 |
| 4.4 仿真结果对比 |
| 4.5 本章小结 |
| 第5章 自适应算法 |
| 5.1 仿真模型和理论分析 |
| 5.1.1 仿真模型分析 |
| 5.1.2 理论分析 |
| 5.2 算法描述与仿真结果分析 |
| 5.2.1 递归最小二次方算法(RLS)和基于三阶累积量的RLS算法 |
| 5.2.2 仿真结果分析 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）动态失速下的二维气动弹性动力学研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 动态失速问题研究现状 |
| 1.2.1 动态失速现象 |
| 1.2.2 研究动态失速的模型和方法 |
| 1.3 受迫振荡气弹问题研究现状 |
| 1.3.1 受迫振荡气弹动力学模型简化 |
| 1.3.2 受迫振荡气弹系统现象研究 |
| 1.4 论文的主要内容与章节安排 |
| 第二章 动态失速气弹问题计算方法 |
| 2.1 弹性动力学模型建立 |
| 2.1.1 问题简化及模型方程建立 |
| 2.1.2 离散和时间推进方法 |
| 2.1.3 气弹响应求解流程 |
| 2.2 基于B-L模型改进模型的气动力模型 |
| 2.2.1 B-L模型介绍 |
| 2.2.2 B-L模型改进 |
| 2.2.3 模型验证 |
| 2.3 基于神经网络代理模型的气动力模型 |
| 2.3.1 时滞神经网络模型建立 |
| 2.3.2 神经网络训练及训练集获取 |
| 2.3.3 模型验证 |
| 2.4 基于ANSYS-FLUENT的数值模拟 |
| 2.4.1 计算网格 |
| 2.4.2 计算模型和动网格技术 |
| 2.5 本章小结 |
| 第三章 动态失速气弹问题实验探究 |
| 3.1 实验装置和实验方案确定 |
| 3.1.1 实验装置 |
| 3.1.2 实验方案 |
| 3.2 实验结果对比 |
| 3.2.1 静态失速升力曲线对比 |
| 3.2.2 动态失速升力曲线对比 |
| 3.3 非线性响应分析方法 |
| 3.3.1 相空间重构 |
| 3.3.2 高阶谱分析 |
| 3.4 实验结果分析 |
| 3.4.1 单自由度实验气弹响应分析 |
| 3.4.2 双自由度实验气弹响应分析 |
| 3.5 本章小结 |
| 第四章 动态失速气弹响应数值分析 |
| 4.1 气弹计算方法验证 |
| 4.1.1 实验阻尼确定 |
| 4.1.2 计算结果验证 |
| 4.2 单自由度气弹响应分析 |
| 4.2.1 弱结构刚度下的气动刚度影响分析 |
| 4.2.2 强结构刚度下的次共振现象分析 |
| 4.3 双自由度气弹响应分析 |
| 4.3.1 自由度间耦合程度影响分析 |
| 4.3.2 来流振荡对次共振影响 |
| 4.3.3 内共振现象分析 |
| 4.4 本章小结 |
| 第五章 结束语 |
| 5.1 主要工作与创新点 |
| 5.2 后续研究工作 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（8）有界空间中沉积物声学参数测量方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 时延估计的发展历程与现状 |
| 1.2.1 时延估计算法的发展过程 |
| 1.2.2 时延估计算法的发展现状 |
| 1.3 论文主要研究内容 |
| 第2章 沙质沉积物声速频散窄带测量方法 |
| 2.1 窄带测量基本原理简述 |
| 2.1.1 测量原理 |
| 2.2 拷贝相关法 |
| 2.2.1 拷贝相关的基本原理 |
| 2.2.2 拷贝相关的数值仿真 |
| 2.2.3 拷贝相关的实验数据处理 |
| 2.2.4 拷贝相关处理与分析 |
| 2.2.5 基于希尔伯特变换法的差值互相关法 |
| 2.2.6 基于希尔伯特变换法的差值互相关法数值仿真 |
| 2.3 高阶谱法 |
| 2.3.1 高阶谱的基本原理 |
| 2.3.2 高阶谱的数值仿真 |
| 2.3.3 高阶谱算法处理与分析 |
| 2.4 子空间分解算法 |
| 2.4.1 常规子空间分解时延估计基本原理 |
| 2.4.2 MUSIC算法时延估计基本原理 |
| 2.4.3 MUSIC算法的数值仿真 |
| 2.4.4 改进算法原理 |
| 2.4.5 改进算法仿真 |
| 2.4.6 MUSIC算法处理与分析 |
| 2.5 子空间拟合算法 |
| 2.5.1 最大似然估计(ML) |
| 2.5.2 子空间拟合(SF) |
| 2.5.3 基于最大似然拟合和子空间拟合算法的数值仿真 |
| 2.5.4 基于最大似然子空间拟合算法处理与分析 |
| 2.6 本章小结 |
| 第3章 沙质沉积物声速频散宽带测量方法 |
| 3.1 脉冲压缩原理 |
| 3.2 基于脉冲压缩的宽带时延估计算法原理 |
| 3.3 基于脉冲压缩的宽带测量算法仿真 |
| 3.4 基于脉冲压缩宽带信号算法处理与分析 |
| 3.5 本章小结 |
| 第4章 基于信号补偿的声速频散测量方法 |
| 4.1 驱动信号补偿原理 |
| 4.2 理论仿真 |
| 4.3 实验数据补偿结果 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（9）经穴电信号特性分析与分类算法研究（论文提纲范文）
| 作者简介 |
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 相关技术及研究进展 |
| 1.2.1 经穴电信号特性分析技术 |
| 1.2.2 经穴电信号的模式分类技术 |
| 1.3 本论文的研究内容及安排 |
| 本章参考文献 |
| 第二章 基于卡尔曼滤波器的经穴电信号预处理研究 |
| 2.1 经穴电信号采集及快速滤波 |
| 2.1.1 经穴电信号的产生原理 |
| 2.1.2 经穴电信号的采集及干扰 |
| 2.1.3 经穴电信号的快速滤波处理 |
| 2.2 卡尔曼滤波器的设计及应用 |
| 2.2.1 动态数学模型的建立 |
| 2.2.2 基于新息过程的卡尔曼滤波求解 |
| 2.2.3 经穴电信号的卡尔曼滤波实验及分析 |
| 2.3 基于鲁棒卡尔曼滤波器的经络电信号辨识 |
| 2.3.1 不确定模型的构建 |
| 2.3.2 系统辨识模型参数的估计 |
| 2.3.3 经穴电信号模型参数的估计 |
| 2.3.4 实验比较及分析 |
| 2.4 本章小结 |
| 本章参考文献 |
| 第三章 经穴电信号的时频特性分析 |
| 3.1 SFTF变换 |
| 3.1.1 Fourier变换 |
| 3.1.2 STFT变换 |
| 3.1.3 窗函数及窗口宽度的选择 |
| 3.1.4 经穴电信号的STFT及其实现 |
| 3.2 小波变换算法 |
| 3.2.1 小波变换 |
| 3.2.2 Morlet小波 |
| 3.2.3 连续Morlet小波变换 |
| 3.2.4 连续小波变换的性质 |
| 3.2.5 经穴电信号的小波变换分析 |
| 3.3 Wigner分布 |
| 3.3.1 定义 |
| 3.3.2 WVD的性质 |
| 3.3.3 WVD的缺点 |
| 3.3.4 Wigner分布的实现 |
| 3.3.5 交叉干扰项行为 |
| 3.3.6 经穴电信号的Wigner分布 |
| 3.4 动态时频分析 |
| 3.4.1 基于Gabor变换的动态时频分析 |
| 3.4.2 基于小波熵的动态时频分析 |
| 3.4.3 实验分析 |
| 3.5 本章小结 |
| 本章参考文献 |
| 第四章 经穴电信号的高阶谱分析 |
| 4.1 高阶矩与高阶累积量 |
| 4.1.1 高阶矩与高阶累积量的定义 |
| 4.1.2 高阶矩与高阶累积量的性质 |
| 4.2 高阶谱 |
| 4.2.1 高阶谱的定义 |
| 4.2.2 双谱的性质 |
| 4.2.3 双谱的估计算法 |
| 4.2.4 1(1/2)切片谱算法 |
| 4.2.5 经穴电信号的双谱及切片谱分析 |
| 4.3 Wigner时变高阶谱 |
| 4.3.1 Wigner时变高阶谱的定义 |
| 4.3.2 Wigner双谱对角切片算法 |
| 4.3.3 经穴电信号的Wigner时变高阶谱分析 |
| 4.4 本章小结 |
| 本章参考文献 |
| 第五章 经穴电信号的非线性动力学特性分析 |
| 5.1 替代数据法 |
| 5.1.1 零假设与生成替代数据 |
| 5.1.2 检验统计量 |
| 5.1.3 经穴电信号的非线性检测 |
| 5.2 相空间重构 |
| 5.2.1 时间延迟τ的确定 |
| 5.2.2 嵌入维数的确定 |
| 5.2.3 经穴电信号的相空间重构 |
| 5.3 混沌特征量 |
| 5.3.1 关联维 |
| 5.3.2 Lyapunov指数 |
| 5.3.3 近似熵 |
| 5.4 实验分析 |
| 5.5 本章小结 |
| 本章参考文献 |
| 第六章 基于神经网络与支持向量机的经穴电信号分类算法研究 |
| 6.1 BP神经网络 |
| 6.1.1 BP神经网络基本理论 |
| 6.1.2 BP算法的不足与改进 |
| 6.2 进化神经网络 |
| 6.2.1 利用遗传算法优化神经网络权值 |
| 6.2.2 遗传算法优化神经网络结构 |
| 6.3 量子进化神经网络 |
| 6.4 SVM支持向量机 |
| 6.4.1 线性可分SVM |
| 6.4.2 近似线性可分SVM |
| 6.4.3 非线性SVM |
| 6.5 基于粒子群算法的SVM参数优化 |
| 6.5.1 粒子群算法 |
| 6.5.2 基于PSO的SVM参数优化算法 |
| 6.6 实验分析 |
| 6.7 本章小结 |
| 本章参考文献 |
| 第七章 结论与展望 |
| 7.1 工作总结 |
| 7.2 工作展望 |
| 致谢 |
| 攻读博士学位期间的研究成果 |
（10）信号高阶谱分析及在地震勘探中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 选题依据及意义 |
| 1.2 研究现状 |
| 1.2.1 高阶统计量的研究现状 |
| 1.2.2 子波估计的研究现状 |
| 1.2.3 时间延迟估计的研究现状 |
| 1.3 研究内容 |
| 1.4 本文所取得的成果 |
| 1.5 本文结构 |
| 第2章 高阶统计分析理论 |
| 2.1 高阶统计量的定义与性质 |
| 2.1.1 高阶矩与高阶累积量的定义 |
| 2.1.2 高阶谱的定义及性质 |
| 2.1.3 高阶累积量的性质 |
| 2.2 高斯信号的高阶矩和高阶累积量 |
| 第3章 高阶统计量时延估计 |
| 3.1 相关时延估计方法 |
| 3.1.1 时延估计的互相关估计法 |
| 3.1.2 时延估计的广义相关估计算法 |
| 3.2 高阶统计量频域时延估计方法 |
| 3.3 双谱进行时延估计的应用 |
| 第4章 地震子波基本理论 |
| 4.1 地震子波形成原理 |
| 4.2 地震子波的数学模型 |
| 4.3 常用地震子波提取方法 |
| 4.3.1 直接法 |
| 4.3.2 自相关法 |
| 4.3.3 利用测井资料求取子波法 |
| 4.3.4 对数分解法 |
| 第5章 双谱提取地震子波 |
| 5.1 双谱法提取子波过程 |
| 5.2 地震记录的双谱计算 |
| 5.3 子波振幅谱恢复算法 |
| 5.4 子波相位谱恢复算法 |
| 5.4.1 Brillinger 算法 |
| 5.4.2 Lii-Rosenblatt 算法 |
| 5.4.3 Bartelt-Lohman-Wirnitzer 算法 |
| 5.4.4 Matsuoka-Ulrych 算法 |
| 5.4.5 论文采用的相位恢复算法 |
| 5.5 子波重构 |
| 第6章 高阶谱子波提取算例 |
| 6.1 理论模型选取 |
| 6.2 地震记录合成 |
| 6.3 双谱计算 |
| 6.4 子波恢复 |
| 6.5 传统方法与双谱法对比 |
| 6.5.1 最小相位子波恢复 |
| 6.5.2 混合相位子波恢复 |
| 6.6 三谱子波估计 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
四、时间延迟估计的高阶谱矩估计算法（论文参考文献）
- [1]多通信设备指纹识别技术研究[D]. 张怡如. 电子科技大学, 2021(01)
- [2]X射线脉冲星循环平稳信号处理算法研究[D]. 王龙奇. 哈尔滨工业大学, 2021(02)
- [3]Markov跳变系统的高阶矩状态估计[D]. 周子恒. 江南大学, 2020(03)
- [4]基于声发射的含水岩土安全监测技术研究[D]. 陶锴. 重庆大学, 2020(02)
- [5]低频辐射源特征提取及识别方法研究[D]. 刘姝. 南京航空航天大学, 2019(07)
- [6]基于高阶统计分析的电力线信道噪声特性研究[D]. 马元桐. 华北电力大学, 2019(01)
- [7]动态失速下的二维气动弹性动力学研究[D]. 邱展. 上海交通大学, 2019(06)
- [8]有界空间中沉积物声学参数测量方法研究[D]. 徐修瑜. 哈尔滨工程大学, 2018(01)
- [9]经穴电信号特性分析与分类算法研究[D]. 王子民. 西安电子科技大学, 2013(06)
- [10]信号高阶谱分析及在地震勘探中的应用研究[D]. 张小慧. 成都理工大学, 2012(02)