摘要 | 第3-4页 |
Abstract | 第4页 |
第1章 引言 | 第7-13页 |
1.1 课题来源 | 第7页 |
1.2 课题研究背景及意义 | 第7页 |
1.3 小波分析发展及其研究现状 | 第7-8页 |
1.4 神经网络的研究现状及其发展 | 第8-10页 |
1.5 论文的主要工作及内容安排 | 第10-13页 |
第2章 小波变换的基本理论 | 第13-22页 |
2.1 小波变换基本原理 | 第13-20页 |
2.1.1 短时傅里叶变换 | 第13-15页 |
2.1.2 一维连续小波变换 | 第15-18页 |
2.1.3 离散小波变换 | 第18页 |
2.1.4 离散小波变换的Mallat 算法 | 第18-20页 |
2.2 多分辨率分析 | 第20-22页 |
第3章 神经网络的基本理论 | 第22-30页 |
3.1 神经网络的基本概念 | 第22-25页 |
3.1.1 神经网络的定义和特点 | 第22-23页 |
3.1.2 神经元模型 | 第23-25页 |
3.2 神经网络的组成结构 | 第25-27页 |
3.2.1 神经网络的学习规则 | 第25-26页 |
3.2.2 神经网络的分类 | 第26-27页 |
3.3 神经网络的学习过程 | 第27-28页 |
3.4 神经网络在信号处理中的应用 | 第28-30页 |
第4章 双模噪声的数学模型 | 第30-37页 |
4.1 双模噪声研究的理论意义 | 第30页 |
4.2 双模噪声的研究现状 | 第30页 |
4.3 双模噪声的数学模型 | 第30-32页 |
4.4 三种简化双模噪声的数字特征 | 第32-36页 |
4.5 三种简化双模噪声模型间的关系 | 第36-37页 |
第5章 双模噪声下基于小波变换的信号去噪的研究 | 第37-45页 |
5.1 小波变换的去噪原理 | 第37-38页 |
5.2 硬阈值处理函数和软阈值处理函数 | 第38-39页 |
5.3 改进的阈值函数 | 第39-40页 |
5.4 实验仿真及结果分析 | 第40-43页 |
5.4.1 信号去噪效果的评价指标 | 第40-41页 |
5.4.2 实验仿真 | 第41-43页 |
5.5 结论 | 第43-45页 |
第6章 双模噪声下基于小波神经网络的信号去噪的研究 | 第45-56页 |
6.1 小波神经网络的概念和应用 | 第45-46页 |
6.2 小波神经网络的分类 | 第46-47页 |
6.3 小波神经网络的结构 | 第47-50页 |
6.4 基于小波神经网络的信号去噪算法 | 第50-51页 |
6.5 小波网络的去噪仿真研究 | 第51-54页 |
6.6 不同小波基函数的去噪效果 | 第54-56页 |
第7章 总结与展望 | 第56-57页 |
参考文献 | 第57-61页 |
论文作者硕士期间发表的学术论文 | 第61-62页 |
致谢 | 第62页 |