一、小波的尺度离散化与稳定性研究（论文文献综述）
王珂珂[1]（2021）在《计及新能源的电力现货市场交易优化研究》文中研究表明能源是社会进步和人类生存的物质基础,随着能源资源约束日益加剧,绿色低碳发展成为我国经济社会发展的重大战略和生态文明建设的重要途径,我国亟需加快建设以可再生能源为主导的清洁低碳、安全高效的能源体系,实现“30·60”双碳目标。电力工业在现代能源体系中处于核心地位,在减少温室气体排放方面发挥着重要作用,应加大力度发展以风电、太阳能为代表的绿色电力。但由于中国风能、光能富集区与需求区逆向分布,市场在优化资源配置中的作用发挥不够充分,亟需完善新能源参与的电力现货市场交易机制,构建高比例新能渗透的电力现货市场交易决策支持方法,以实现资源有效配置,促进新能源消纳。鉴于以上考虑,本文从新能源参与对电力现货市场影响、新能源发电功率预测与电力现货市场电价预测、计及新能源的中长期合约与现货日前市场的衔接与出清机制、电力现货市场各阶段市场的衔接与出清机制、碳交易权市场与电力现货市场的耦合机制等多个方面展开研究。本文主要研究成果与创新如下:（1）对新能源参与对电力现货市场的影响进行研究,基于电力现货市场价格信号的复杂性,构建由三个模块构成的新能源对电力现货市场影响分析模型,包括基于数据统计的相关性分析、基于小波变换与分形理论的全部特征值分析与基于关键因素提取的相关性分析。以丹麦两地区现货市场的历史数据进行验证,证实新能源发电对于电价影响高于常规历史数据;基于小波变换分析与分形理论求得全部特征值方法,计算两地区分类准确率为分别为80.35%,82.30%,分类结果表明负荷、新能源发电量序列与新能源发电量占比分类错误率较高;通过关键特征提取的相关性分析结果,重要程度位于前三的因素均存在新能源发电相关因素。因此研究中仅考虑负荷等常规因素不足以支撑电力现货市场电价预测、交易匹配与出清问题的研究。（2）对电力现货市场中新能源发电功率与电价预测进行研究,构建基于完全集成经验模态分解（complementary ensemble empirical mode decomposition,CEEMD）与样本熵（sample entropy,SE）的数据预处理策略,基于和声搜索（harmony searchm,HS）算法优化的核极限学习机（kernel extreme learning machine,KELM）的混合新能源发电功率预测模型,基于相似日筛选与长短期记忆模型（long short-term memory,LSTM）的电力现货市场电价预测模型。针对非线性、非稳态的短期新能源发电功率预测,首先通过皮尔森相关系数筛选模型输入数据,减少数据冗余;而后,采用CEEMD-SE的组合数据预处理策略,对发电功率时间序列进行分解和重构,消除数据噪声,减少模型计算量;其次,采用HS-KELM模型对重构后的多个子序列进行建模预测,集成处理后得到最终的新能源发电功率预测值。基于CEEMD-SE-HS-KELM新能源发电功率预测模型具有更高的预测精度。针对电力现货市场电价预测,将新能源出力指标纳入电力现货市场电价预测中,首先采用CEEMD-SE对电价序列进行分解与重构;而后,构建基于随机森林（random forest,RF）与改进灰色理想值逼近（improved approximation ofgrey ideal values,IAGIV）的新能源出力影响量化模型,筛选出与待预测天数关联性较强的历史天作为输入集;其次,采用LSTM模型对重构后的多个子序列分别进行预测,基于CEEMD-SE-RF-IAGIV-LSTM预测模型对于电价序列的拟合效果较好,可为电力现货市场参与主体制定交易策略、现货市场出清撮合提供支撑,降低电力现货市场中的风险。（3）对计及新能源与中长期市场影响的现货日前电力市场优化模型进行研究。本文提出计及中长期合约电量分解与新能源参与的日前电力市场交易优化模型,首先构建考虑火电厂合约电量完成进度偏差的中长期合约电力分解模型,将分解得到的每日中长期合约电量作为约束引入日前市场的优化模型中,保证中长期合约电量物理执行;针对系统不确定性进行建模,在电力现货市场价格模拟中加入新能源渗透率,更精准地刻画能源参与对于电力现货市场的影响;构建新能源参与的日前市场多目标出清优化模型,利用模糊优选方法对多目标进行转换,较好地平衡经济性与节能减排目标;最后采用基于GA-PSO组合优化模型对构建模型进行求解。模型求解结果表明,本文构建的多目标优化函数能够在保证系统运行经济效益的基础上,实现环境效益最大化,达到节能减排的效果;同时随着新能源渗透率的增加,系统不确定性增加,常规机组的成交电量有所下降。（4）对计及新能源的日前市场与日内市场的衔接机制进行分析,并构建相应的出清优化模型。在日前市场与实时市场之间增加日内市场,以减少系统辅助服务成本、降低用于平衡间歇性、波动性新能源的化石燃料容量、灵活性资源配置与储能成本,以提高现货市场效率,更好的发挥市场对资源优化配置的作用。采用基于模型预测结果与误差分布函数结合的不确定性刻画模型,而后构建了基于拉丁超立方采样进行场景集生成法与改进谱聚类分析的场景集削减策略,能够选择出最具代表性的场景集。基于电力现货市场出清流程,将含有新能源较多的系统将引入日内市场,以减小实时市场的功率偏差,提高系统运行的经济性和稳定性,采用预测模型对新能源出力、电力负荷进行预测,结合预测误差分布函数刻画系统不确定性;构建日前市场和模拟日内市场联合出清优化模型,在各个日内市场考虑对应实时市场新能源偏差功率的不确定性、电价不确定性,建立各日内市场和模拟实时市场联合优化模型。（5）考虑到中国“30·60”双碳目标与宏观发展规划,本文构建一个基于STIRPAT模型碳排放影响因素分析与改进烟花算法（improved fireworks algorithm,IFWA）优化的广义回归神经网络（general regression neural network,GRNN）预测模型。基于不同的社会环境与政策环境,对碳排放影响因素进行模拟并设定,预测结果表示中国的碳排放总量将于2031年达到峰值。以此为基础分析现行政策下中国的碳减排压力,并进行相应的建设全国统一的碳交易权市场必要性分析。而后,基于电力市场和碳市场的建设现状,利用系统动力学模型进行碳交易对电力现货市场的影响分析,系统动力学模型分析结果证实电力市场价格与碳交易价格呈现正相关关系;最后,基于对于碳交易对电力市场作用机理的分析,提出碳交易机制与电力现货市场机制协同建设建议。
张钰[2]（2020）在《视觉认知启发的高分辨率遥感影像建筑区提取方法》文中认为随着我国城市化进程的加快,建设用地在不断扩张。建筑区位置、范围和分布等地理空间信息对于土地利用规划、城镇化监测、灾害评估、基础地理数据库更新等都具有重要的应用价值。当前快速发展的高分辨率对地观测技术,为建筑区的精细化监测提供了有效的数据源。从卫星影像中自动获取建筑区信息受到国内外学者越来越多的关注,它可以有效解决传统的通过人工解译费时费力的问题。但是,高分辨率遥感影像中的建筑区具有光谱异质、纹理复杂、覆盖范围广的特点,这给建筑区的自动提取带来诸多挑战。本文受人类视觉系统的认知机制启发,从视觉注意和知觉组织这两个不同的角度来认识高分影像中的建筑区,并构建相关的建筑区提取模型,实现建筑区的自动提取。本文的主要研究工作如下:（1）受视觉注意机制启发,研究了高分辨率卫星影像建筑区的视觉显着性模型。利用多尺度小波变换度量建筑区的纹理显着性,并通过跨尺度融合生成建筑区显着图,进一步基于自适应的阈值完成对建筑区的提取。（2）受视知觉组织机制启发,研究了高分辨率卫星影像建筑区的知觉组织模型。通过超像素对遥感影像进行分割,利用空间变异函数提取超像素的结构特征;依据格式塔知觉组织规则描述超像素之间的空间结构关系,并将该规则融入基于超像素的显着性建模,得到超像素的连续性显着性和相似性显着性,然后对两个视觉显着性进行归一化,得到最终表征建筑区的显着性指数;最后,通过显着图阈值化和后处理完成建筑区的提取。本文利用ZY-3、QuickBird、WorldView-2和Google Earth高分辨率卫星影像进行了实验,通过查准率、查全率和F1值对实验结果进行性能评估,并和经典的PanTex算法进行了性能比较。实验结果表明,本文的算法实验效果较好,实验精度总体上优于PanTex算法。
邹琪骁[3]（2020）在《基于二代小波和暂态零模的电缆局放定位研究》文中研究指明电力电缆是是连接发电厂、变电站以及城市的各级供配电网络的主要元件,也是短距离电能输送和分配的主要载体。电力电缆相比于传统形式的架空线路,具有安装位置隐蔽,运行稳定且耐用性高,同时在运行的过程中受外部环境影响小的特点。一个城市中供配电系统的电缆化率不仅可以从一定水平上反映出该城市的供配电网络的技术经济水平。同时,也在很大程度上对提高城市的文明程度,改善市容市貌,促进城市整体电力运行环境的好坏有很大的帮助。为了解决现有的局部放电信号去噪效果差,对局部放电源定位精度不高的问题。本文以小波分析与变换为基础,研究了使用基于提升方案的二代小波算法来完成对局部放电信号的去噪,同时,使用基于暂态零模电流差值相关分析法来对局部放电源进行定位的问题。首先,针对局部放电研究中亟待解决的局放信号去噪和局放源定位问题,一方面深入的对局部放电信号中包含的噪声及其特点进行分析,结合现有去噪方法的不足,提出了使用基于改进提升方案的二代小波去噪技术完成对局部放电信号的降噪。其次,在有效去噪的基础上,使用基于暂态零模电流差值相关分析的方法来对局部放电源进行定位。一方面,使用暂态零模电流法对局部放电信号进行一定的处理,这样可以使得后续的定位操作更加的简单。另一方面,使用差值相关性分析的方法来完成局部放电源的定位,确保定位计算的过程中采集得到的局部放电信号都是直接从局部放电点传输过来的,而没有经过任何的折反射和波形畸变。这样可以确保定位的精度。然后,利用Matlab仿真工具软件,对文中所提理论和算法实现进行了一定的仿真验证研究。通过对仿真结果的对比和仿真数据的分析可以从不同的方面对本文所提方法的可行性和优越性进行了验证。最后,将文中所提出的一整套局部放电去噪和局放源定位算法使用硬件和软件进行了实现并在实际的工程项目中得到应用。现场测试表明,依据改进的算法所设计的装置和软件可以很好的解决应用中遇到局部放电定位难题,有着非常好的实际效果和推广价值。
王亮[4]（2020）在《基于FPGA的运动想象脑电信号的分类识别研究》文中提出脑机接口（Brain computerinterface,BCI）通过解读人在思维活动过程中的大脑生理信息,在大脑与外界之间建立一个直接传输信息的通道,在健康监护、高级人机交互等应用领域有广泛的前景。基于运动想象的脑机接口是一类非常重要的脑机交互策略,其特点是检测和分类识别用户思维“想象”相关的脑信号来控制神经假体、轮椅等外部设备来完成已经失去功能的外围神经应有的运动、行走等功能。针对左右手运动想象脑电信号,本文采用了基于小波变换特征提取和主成分分析（Principal Component Analysis,PCA）与支持向量机（Support Vector Machine,SVM）联合分类方法。小波变换多分辨率的特点很适合用来提取随机、非平稳的脑电信号的特征。实际应用中,将BCI Competition Ⅱ 2003脑电数据训练样本进行预处理后与db4小波滤波系数卷积,然后对卷积结果向下偶数位置采样的低频系数作为下一层输入信号与滤波系数卷积运算,重复以上步骤可以实现Mallat四层分解并将低频系数作为特征向量。由于提取的信号特征维度较高,采用PCA降维和SVM分类算法能够避免小波变换带来的维数灾难和过拟合。PCA的降维过程可以看作特征向量与样本均值做差后与PCA的投影矩阵相乘实现降维。利用训练样本对SVM训练,找到对分类效果最好的权系数向量和偏置,最后得到的决策函数,将降维后的特征向量送入到决策函数中得到分类结果。在分类算法的FPGA设计中,首先将脑电信号通过Mallat四层分解模块,得到的维度为98的ca4作为特征向量:其次,在PCASVM模块中将matlab里得到的训练样本均值、PCA投影矩阵和SVM最优的权系数向量的乘积固化到ROM中。PCA+SVM模块实质作用使ca4维度降到为15特征向量并与SVM最优的权系数向量相乘;最后,时序控制模块和输出有效位控制模块保证PCA+SVM模块正确有效的输出到输出选择模块,输出选择模块对左右手运动想象脑电信号分类。通过仿真结果表明,本次设计的脑电信号分类系统系统响应时间为9.1us、识别率为93.33%和Kappa系数为0.867,具有一定的稳定性和实时性。图[52]表[4]参考文献[63]
李珊珊[5]（2020）在《正交频分复用无源光网络物理层安全防护技术研究》文中进行了进一步梳理当今世界,信息已成为至关重要的战略资源。日益增长的带宽需求对现有的光网络带来挑战,保障网络安全成为保障国家安全的重要任务。正交频分复用无源光网络（OFDM-PON）因其频谱利用率高、抗色散能力强、资源分配灵活和实现成本低等优势,成为下一代光接入网的优势候选之一。然而,无源光网络的点对多点拓扑结构和下行信号的广播通信方式,使得接入网物理层面临被入侵、窃听和冒充等多种安全威胁。在物理层实施高灵活性、低代价的安全防护措施能够实现对网络信息的全方位保障。研究OFDM-PON物理层安全防护技术,对于推动网络跨层安全机制的协同,实现大容量的安全光接入网系统具有重要意义。论文主要研究成果如下:（1）针对算法安全性与计算复杂度相互制约的问题,提出了基于上下行明文互扰机制的定点数字混沌加密算法。在低精度定点算法约束下,有效改善了数字混沌系统的动力学特性退化效应。设计了对混沌序列进行动态非线性变换的魔方算法,扩大了密钥空间。在计算精度为14比特的定点算法下实现了密钥空间为256×（256!）256≈～10129791的OFDM-PON物理层数据防护机制。（2）针对密钥分发的安全性和信道资源开销问题,提出了基于OFDM混沌导频信号冗余的密钥隐匿分发技术。在不增加额外开销、不影响传输性能的前提下,利用所构造的混沌导频信息的冗余性实现了密钥的安全隐匿传输。实验验证了速率为28.4Mb/s的密钥分发与速率为7.64 Gb/s的16-QAM OFDM数据安全传输协同防护机制。（3）针对传统身份认证协议复杂的问题,提出了基于小波变换和卷积神经网络的硬件指纹识别身份认证技术。将ONU设备容差对传输信号的影响作为硬件指纹,将OFDM导频信号作为指纹载体,在OLT端实现对ONU硬件身份认证;实验验证合法ONU的身份识别准确率可达97.41%,非法ONU的识别准确率可达100%,能够抵御物理层非授权接入、身份欺骗攻击等安全威胁。
祝权[6]（2020）在《基于人工智能算法的库水诱发堆积层滑坡变形预测研究》文中研究说明我国自建国以来大量的开发长江中上游丰富的水利水电资源,兴修大坝水库的同时造成了大量新老堆积层滑坡的变形。人工智能算法是一种模拟人类思维模式的智能计算模型,目前已经被应用到了各类工程领域,解决了很多复杂的工程问题。本文作者在三峡库区及天花板水电站库区开展了大量工作,对库水诱发的堆积层滑坡有较为深入的了解。在此基础上将人工智能这一新技术与传统滑坡变形理论相结合,以几种较成熟的人工智能算法为手段,以堆积层滑坡变形机理和变形响应规律为基础,建立了基于人工智能算法的库水诱发堆积层滑坡变形预测模型,以提高库水诱发的堆积层滑坡变形预测这一研究领域的工作效率,并重点做了以下工作:（1）通过对三峡库区八字门滑坡、白家包滑坡、三门洞滑坡、淌里滑坡,天花板水电站库区田坝村堆积层滑坡等大量堆积层滑坡进行实地调查研究和资料收集,获得了丰富的地质资料及监测数据。（2）通过对滑坡地质资料、监测数据的总结分析,结合相关领域的最新成果,提出了以滑坡地质结构、气象水文情况为特征点的库水诱发堆积层滑坡变形模式识别方法。通过总结分析滑坡地质结构特征、变形响应规律、监测数据曲线,将滑坡按照变形模式分为了阶梯型、趋势振荡型、随机振荡型、持续增长型。以matlab为平台,使用LIBSVM工具箱对滑坡进行识别分类。将滑坡坡长、坡宽、体积、碎石含量、渗透率、库水位淹没比等基础地质、水文资料进行编码,对样本滑坡进行识别分类,准确识别分类了各种变形模式的样本滑坡。从一定程度上说明了滑坡的变形是基于地质结构、水文气象情况综合影响的结果。（3）选取了BP神经网络、小波神经网络（WNN）、极限学习机（ELM）、遗传算法（GA）、粒子群算法（PSO）等人工智能领域较为成熟的算法模型,并根据滑坡的每种变形模式针对性的选取计算模型。使用小波函数将原始监测数据分解为较容易预测的趋势项数据和较为复杂的周期项数据,有效的减小了预测的误差。利用遗传算法和粒子群算法分别对BP神经网络进行优化,并对计算结果使用加权平均,对于阶梯型滑坡周期项数据有良好预测效果,且基本符合变形规律。利用小波神经网络对随机振荡型滑坡进行变形预测,通过研究降雨量和库水位变化与滑坡变形的响应关系,设置了3:7的参数权重,反应了真实的变形与库水位、降雨量响应规律。相同方法应用于趋势振荡型滑坡的周期项数据也取得很好的效果。（4）以田坝村为工程实例进行验证分析。通过分析论证将滑坡以2016年1月为界分为两个变形阶段,各自属于不同的变形模式。收集了滑坡最新的地质资料和水文气象资料,利用LIBSVM工具箱准确识别出了田坝村堆积层滑坡的变形模式为趋势震荡型。验证了滑坡变形模式是受地质结构和水文条件综合影响的结论。对田坝村堆积体变形进行预测,评价指标RMSE为1.34。（5）人为模拟了田坝村堆积层滑坡的两种不同工况。通过改变水位和气象条件,来预测半年内库水位骤降和暴雨对滑坡产生的影响。预测结果为正常工况时,滑坡未来半年变形量最高达到53.9mm,较半年前增加了3.8mm。库水位骤降叠加暴雨工况下,半年后滑坡总位移量达到78.9mm,较半年前增加了28.8mm。可以看出即使经过库水位骤降和暴雨极端工况,滑坡仍将保持稳定,不会出现整体的失稳。这也与工程研究报告中的结论一致,可以为之后该滑坡的评价研究工作提供参考。
田鸿程[7]（2020）在《抗滑桩损伤识别及评估方法的振动台试验研究》文中指出我国西部多山,高海拔、高寒、高烈度的“三高”无人山区高陡边坡众多,支挡结构在这一地区的应用广泛。一方面要求支挡结构抗震性能要好,另一方面也对结构的长期服役性能监测有较高要求。为了实现对“三高”无人地区支挡结构长期服役性能的自动监测,亟待开发关于支挡结构损伤识别与评估的系统。本文从这一需求出发,选取了抗滑桩结构作为研究对象开展了如下研究:（1）总结了抗滑桩的震害机制和现有的几类损伤识别方法（第1章）。（2）对传递函数提取动力指纹的方法和小波包能量法识别损伤的过程进行了详细介绍（第2章）。（3）开展了三组（A/B/C）不同初始损伤工况下的抗滑桩大型振动台模型试验,结合试验现象和对桩身土压力、应变、PGA的分析,发现了抗滑桩最薄弱位置在滑面附近的锚固段并提出了监测布点原则,总结出加速度数据包含的信息更多,对桩身损伤也更敏感。（第3章）（4）针对振动台试验中桩身加速度响应,采用传递函数提取动力指纹的方法,以频率与刚度关系为基础建立了损伤定量分析公式,提出了以桩身加速度振型斜率为基础的损伤识别和定位方法。此外,分析了传递函数法需要系统输入信息等缺点,引入了只需系统响应信息的小波包能量法识别损伤。针对文中扫频波形,通过代价函数M的计算,确定了小波包分解时的小波基函数类型（Sym2）和分解层次（6）,引入有效能量比Ep确定了有效子频带数（32）。对比发现了现有4种基于桥梁和框架结构的小波包能量损伤识别指标在抗滑桩损伤识别中效果的缺点,基于损伤导致不同子频带能量在桩身的分布规律会产生变化的现象,提出了更适合于岩土体中抗滑桩结构的小波包能量损伤识别指标△ERPD,该指标具有良好的损伤定位灵敏度和抗噪性。将坡体稳定性划分为三个阶段,研究了频率、△ERPD与位移的关系,提出△ERPD在坡体稳定性评价上的优点。（第4章）（5）通过FLAC3D软件建立了三组不同初始损伤工况模型,分析了扫频波作用下桩身的动力响应。采用传递函数法提取了频率、振型,对频率计算损伤量的公式进行验证和理论分析,证明该公式在小阻尼锚固段的适用性,同时也验证了振型斜率对损伤定位的敏感性。基于桩身小波包能量谱,提取了△ERPD损伤指标,证明了该指标具有良好的损伤识别和定位效果。（第5章）
韩佳伟[8]（2020）在《基于表面肌电信号的人体下肢运动意图识别技术研究》文中认为如今,随着人口老龄化与脑血管疾病造成的偏瘫患者的逐年增加,能为穿戴者提供诸如运动辅助、康复训练等功能的外骨骼机器人成为研究的热点,但人与外骨骼机器人的交互需要机器人主动理解人的运动意图,传统基于程式控制的人机交互方式无法满足需求。表面肌电（sEMG）信号作为肌肉运动时皮肤表面产生的电信号,包含丰富的人体运动信息,但从sEMG信号中解码人体运动意图的技术仍有待进一步研究。本文以关节角度表征膝关节运动意图,建立下肢sEMG信号与运动信息采集平台,在完成sEMG信号处理的基础上,针对下肢运动频率变化与sEMG信号时域特征不稳定性导致的预测精度下降问题,分别提出角度预测模型以实现下肢运动意图的识别。具体工作如下:（1）下肢sEMG信号与运动信息采集软硬件平台建立。硬件上:在研究人体膝关节运动机理的基础上,利用差分贴片电极,A/D转换电路板,Arduino Mega 2560控制板建立了三通道下肢sEMG信号采集平台;下肢运动信息选用六轴姿态陀螺仪传感器进行采集。软件上:采用MATLAB Arduino支持包与Arduino控制板进行通信,在MATLAB中编写M文件完成sEMG信号采集;膝关节运动角度可以在上位机软件上实时显示并记录。最后,设计实验方案并利用上述平台完成了 sEMG信号与膝关节角度数据的采集。（2）基于经验模态分解与改进小波阈值降噪的sEMG信号联合消噪算法设计。首先,针对sEMG信号的产生超前于肌肉实际运动的情况,采用TKEO进行sEMG信号的起点检测。接着,针对经验模态分解消噪方法会丢失信号高频部分细节问题,提出基于EMD与小波阈值消噪相结合的消噪方法,并改进了小波阈值消噪中的阈值函数,结合了传统软硬阈值函数的优势提出的等轴双曲阈值函数,并仿真验证了提出的消噪算法的有效性。最后,建立肌肉激活度模型,得到sEMG信号—肌肉激活度的映射关系。（3）基于频率估计的膝关节角度预测器设计。针对偏瘫康复不同阶段需要不同频率的训练运动的实际场景以及现有的角度估计模型在下肢运动频率变化情况下预测精度下降的问题,提出基于频率估计的膝关节角度预测器。最后,同步采集了四位受试人员两种运动频率下的八组sEMG信号与关节角度,利用MATLAB对提出的膝关节角度预测器进行了仿真验证。（4）基于知识库与特征匹配的膝关节角度预测器设计。首先,研究发现sEMG信号特征相对稳定,由其构建的特征向量存在不稳定性情况,这将影响角度预测器长时间下的预测精度。接着,针对这一问题,先采用K均值与高斯混合模型（GMM）相结合的方法对特征空间进行聚类,对各聚类集群中的特征分别训练其局部角度预测器。然后,在线预测过程中先进行特征匹配,得到匹配集群的局部角度预测器进行膝关节角度预测。最后,进行仿真实验,验证了提出的基于知识库与特征匹配的膝关节角度预测器有效性。
赵冕[9]（2019）在《舰船辐射噪声中调制特征线谱检测的小波分析方法研究》文中提出舰船辐射噪声中的线谱成分不仅具有高能量强度与高稳定性的特点,而且其中含有大量舰船固有特征量,可以反映目标舰船的本质特征,因此线谱的准确提取对于目标的分类识别有着重要的实际价值。舰船辐射噪声线谱主要由低频线谱以及中高频的调制特征线谱组成,其中低频线谱部分由于受到海洋环境噪声以及一些低频杂波干扰,不利于高质量的特征提取,而其中高频线谱部分由于受到螺旋桨叶片频及轴频的影响,形成了调制特征线谱,可以避开环境噪声干扰,实现调制线谱及特征量的有效提取。舰船辐射噪声具有显着的非高斯与非平稳特性,针对其调制特征线谱提取,参考了经典的DEMON谱分析方法,但发现其选用的带通滤波与包络检波方法存在大量的高频谐波分量以及频谱混叠等现象,而且在利用功率谱分析提取线谱时具有对噪声抑制能力差、提取后的谐波分量不明显等缺点。因此,为了解决上述问题,本文深入研究了小波分析与高阶谱分析方法,提出了改进的调制特征提取方法,主要有以下四个方面内容:1.详细研究了舰船辐射噪声及其背景噪声的基本特性,讨论了舰船辐射噪声的各组成部分及其产生机理,并根据其声学特性建立了舰船辐射噪声的仿真模型。2.详细研究了小波分析方法,利用复小波解调的方法,对舰船辐射噪声信号同时进行分频滤波与解调操作,实现自适应滤波,并且有效抑制了高频谐波分量与频谱混叠现象。3.详细研究了高阶统计量原理,对双谱与1（1/2）维谱的原理及特性进行了深入讨论,利用性能更好的1（1/2）维谱对所得到的调制包络进行谱分析处理,取得了较好的线谱提取效果。4.综合利用小波解调以及1（1/2）维谱分析方法,构建低信噪比下的舰船辐射噪声调制线谱提取模型,分别利用仿真信号和实测数据进行实验分析,验证了该方法的有效性与普适性。
刘鹏[10]（2019）在《DTCWT-DBN疲劳裂纹声发射信号实验数据分析》文中研究说明随着我国铁路事业发展的越来越好,高铁更是成为了中国的名片,走向世界。列车在速度和平稳性上面都取得了很大的进展。当然,在不断地追求速度上提升的同时,还更应该考虑安全性的问题。机车车辆运输的安全问题受很多方面的影响,车轴是机车车辆很重要的部件,车轴的大部分失效是由疲劳引起的疲劳裂纹,疲劳裂纹会导致车轴损坏或疲劳断裂,从而导致事故的发生。为了解决列车车轴可能出现的疲劳裂纹检测问题,本文使用的是声发射技术,提出了 DTCWT-DBN疲劳裂纹声发射信号实验数据分析的方法,其研究的关键在于声发射信号特征提取和识别,小波变换在信号提取中取得过许多成功的应用。对双树复小波（DTCWT）、离散小波（DWT）、经验模态分解（EMD）和集合经验模态分解（EEMD）的特性进行比较,最终采用双树复小波对声发射信号进行预处理以反映故障特征信息;同时采用深度信念网络对列车车轴可能存在故障状态问题进行故障状态分类识别,使用主成分分析对深度信念网络各隐藏层进行数据可视化,并将上述特征提取方法和深度信念网络结合起来应用到列车车轴疲劳裂纹的故障诊断中。通过对列车车轴声发射信号进行特征提取及识别结果可知,基于双树复小波和深度信念网络的故障识别方法对于车轴信号类型的识别具有较高的识别率,和BP、SVM相比,具有更高的识别率。
二、小波的尺度离散化与稳定性研究（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、小波的尺度离散化与稳定性研究（论文提纲范文）
（1）计及新能源的电力现货市场交易优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 新能源对电力现货市场的影响研究 |
| 1.2.2 新能源发电功率预测研究 |
| 1.2.3 电力现货市场电价预测研究 |
| 1.2.4 新能源参与电力现货市场交易研究 |
| 1.2.5 计及碳交易的电力现货市场研究 |
| 1.3 论文主要研究内容和技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究技术路线 |
| 1.3.3 主要创新点 |
| 1.4 本章小结 |
| 第2章 电力现货市场交易优化相关理论基础 |
| 2.1 典型国家电力现货市场发展概述 |
| 2.1.1 美国电力现货市场 |
| 2.1.2 英国电力现货市场 |
| 2.1.3 北欧电力现货市场 |
| 2.2 中国电力现货市场发展概述 |
| 2.2.1 能源电力现状分析 |
| 2.2.2 电力现货市场现状分析 |
| 2.2.3 建设基本原则 |
| 2.2.4 建设关键问题 |
| 2.2.5 未来发展方向 |
| 2.3 电力预测理论基础 |
| 2.3.1 经典预测方法 |
| 2.3.2 机器学习预测方法 |
| 2.3.3 深度学习预测方法 |
| 2.4 系统优化理论基础 |
| 2.4.1 模糊规划 |
| 2.4.2 鲁棒优化 |
| 2.4.3 随机规划模型 |
| 2.5 SD模型及其应用 |
| 2.6 本章小结 |
| 第3章 新能源对电力现货市场的影响分析 |
| 3.1 新能源对电力现货市场的影响分析模型 |
| 3.1.1 基于统计数据的影响分析 |
| 3.1.2 基于小波变换与分形理论的特征表示 |
| 3.1.3 基于SVM的特征因素分类 |
| 3.1.4 基于因子分析的特征提取 |
| 3.1.5 影响分析模型框架与流程 |
| 3.2 新能源对现货市场电价影响的实证分析 |
| 3.2.1 数据收集 |
| 3.2.2 基于统计数据的影响实证分析 |
| 3.2.3 基于全部特征的影响实证分析 |
| 3.2.4 基于关键特征的影响实证分析 |
| 3.3 本章小结 |
| 第4章 电力现货市场中新能源发电功率预测与电价预测 |
| 4.1 基于CEEMD-SE-HS-KELM的新能源发电功率预测模型 |
| 4.1.1 CEEMD-SE模型 |
| 4.1.2 HS-KELM模型 |
| 4.1.3 CEEMD-SE-HS-KELM |
| 4.1.4 实例分析 |
| 4.2 基于相似日筛选与LSTM的现货市场电价预测模型 |
| 4.2.1 电价影响因素初选 |
| 4.2.2 基于RF的新能源影响量化 |
| 4.2.3 基于改进灰色关联的相似日筛选 |
| 4.2.4 RF-IAGIV-CEEMD-SE-LSTM模型 |
| 4.2.5 实例分析 |
| 4.3 本章小结 |
| 第5章 计及新能源与中长期市场影响的现货日前市场交易优化 |
| 5.1 计及新能源与中长期市场的日前市场交易模式 |
| 5.2 中长期合约电量分解模型 |
| 5.2.1 目标函数 |
| 5.2.2 约束条件 |
| 5.3 系统不确定性分析及建模 |
| 5.3.1 新能源出力不确定性 |
| 5.3.2 电力现货价格不确定性 |
| 5.4 计及新能源与中长期合约电量分解的现货日前市场出清模型 |
| 5.4.1 目标函数与约束条件的建立 |
| 5.4.2 多目标函数的模糊优选处理 |
| 5.4.3 基于GA-PSO的优化模型求解算法 |
| 5.5 实例分析 |
| 5.5.1 算例设置 |
| 5.5.2 中长期合约电量分解结果 |
| 5.5.3 系统不确定性求解 |
| 5.5.4 现货日前电力市场出清结果 |
| 5.5.5 惩罚系数对多目标优化结果的影响 |
| 5.5.6 新能源渗透率对多目标优化结果的影响 |
| 5.6 本章小结 |
| 第6章 计及新能源的现货日前与日内、日内与实时市场交易优化 |
| 6.1 现货日前、日内与实时市场的组合及及关联分析 |
| 6.2 系统不确定性建模 |
| 6.2.1 系统不确定性模拟 |
| 6.2.2 拉丁超立方生成场景集 |
| 6.2.3 基于改进谱聚类算法的场景削减策略 |
| 6.3 计及新能源的电力现货市场两阶段交易优化模型 |
| 6.3.1 计及新能源的日前与日内市场联合优化模型 |
| 6.3.2 计及新能源的日内与实时市场联合优化模型 |
| 6.4 实例分析 |
| 6.4.1 算例设置 |
| 6.4.2 场景集生成与削减 |
| 6.4.3 日前与日内市场联合优化出清结果 |
| 6.4.4 日内与实时市场联合优化出清结果 |
| 6.5 本章小结 |
| 第7章 计及碳市场影响的电力现货市场建设路径分析 |
| 7.1 碳排放相关政策梳理 |
| 7.2 现行政策下碳排放压力分析 |
| 7.2.1 碳排放预测模型 |
| 7.2.2 碳排放预测效果检验 |
| 7.2.3 碳排放总量及碳排放强度预测 |
| 7.2.4 基于碳排放预测结果的政策建议 |
| 7.2.5 碳排放市场建设必要性分析 |
| 7.3 碳交易实施对电力现货市场的影响分析 |
| 7.3.1 碳交易市场现状 |
| 7.3.2 碳交易对电力现货市场的影响分析 |
| 7.4 碳交易与电力现货市场的协同建设建议 |
| 7.5 本章小结 |
| 第8章 研究成果与结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）视觉认知启发的高分辨率遥感影像建筑区提取方法（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状综述 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文章节安排 |
| 第二章 视觉认知的相关理论 |
| 2.1 人类视觉认知处理机制 |
| 2.2 视觉注意机制及其显着性计算模型 |
| 2.2.1 视觉注意机制 |
| 2.2.2 视觉注意的显着性计算模型 |
| 2.3 知觉组织机制 |
| 2.3.1 认知心理学的格式塔知觉组织规则 |
| 2.3.2 知觉组织方法 |
| 2.4 本章小结 |
| 第三章 高分遥感影像建筑区显着性建模与提取 |
| 3.1 算法框架及步骤 |
| 3.2 纹理特征及小波变换 |
| 3.2.1 纹理特征 |
| 3.2.2 小波变换 |
| 3.2.3 小波的多分辨率分析 |
| 3.3 多尺度高频特征的跨尺度融合 |
| 3.3.1 小波高频分量特征多方向集成 |
| 3.3.2 跨尺度特征融合 |
| 3.4 利用空间依赖性调整建筑区显着图 |
| 3.5 显着图阈值化和建筑区后处理 |
| 3.5.1 显着图阈值化 |
| 3.5.2 建筑区后处理 |
| 3.6 实验与分析 |
| 3.6.1 实验数据及性能评价指标 |
| 3.6.2 实验结果与分析 |
| 3.7 本章小结 |
| 第四章 融合知觉组织规则的高分遥感影像建筑区提取 |
| 4.1 算法框架及步骤 |
| 4.2 图像预处理 |
| 4.2.1 基于SLIC算法的超像素分割 |
| 4.2.2 Harris角点特征提取 |
| 4.3 基于空间变异函数的超像素特征表示 |
| 4.3.1 超像素空间变异函数建模及特征提取流程 |
| 4.3.2 变异函数曲线中特征参数的选取 |
| 4.4 融合格式塔知觉组织规则的建筑区显着性建模 |
| 4.5 候选建筑区阈值分割和精细化处理 |
| 4.6 实验结果与分析 |
| 4.6.1 实验数据及性能评价指标 |
| 4.6.2 实验结果与分析 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（3）基于二代小波和暂态零模的电缆局放定位研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 研究的意义和目的 |
| 1.2.1 研究意义 |
| 1.2.2 研究目的 |
| 1.3 国内外现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 本文主要工作 |
| 第2章 电缆局部放电研究 |
| 2.1 局部放电介绍 |
| 2.1.1 局部放电形成原理 |
| 2.1.2 局部放电类型 |
| 2.1.3 电缆局放检测手段 |
| 2.2 局部放电信号分析 |
| 2.2.1 局部放电信号波形分析 |
| 2.3 局部放电检测中的干扰信号 |
| 2.3.1 局放信号中干扰信号的来源 |
| 2.3.2 干扰信号的分类 |
| 2.3.3 干扰信号的抑制和去除 |
| 2.4 常用的局部放电定位方法 |
| 2.4.1 行波法 |
| 2.4.2 超声波法 |
| 2.5 本章小结 |
| 第3章 二代小波变换和暂态零模算法 |
| 3.1 小波变换算法 |
| 3.1.1 小波变换基础 |
| 3.1.2 连续小波变换 |
| 3.1.3 离散小波变换 |
| 3.2 小波去噪分析 |
| 3.2.1 小波信号去噪问题 |
| 3.2.2 传统小波变换存在的缺点 |
| 3.3 基于改进提升原理的二代小波去噪算法 |
| 3.3.1 二代小波基本原理 |
| 3.3.2 二代小波分解与重构算法 |
| 3.3.3 二代小波提升算法 |
| 3.4 暂态零模电流法 |
| 3.4.1 暂态零模电流法概述 |
| 3.4.2 暂态零模算法的实现 |
| 3.5 基于改进暂态零模差值相关法的局部放电定位 |
| 3.6 本章小结 |
| 第4章 算法仿真与验证 |
| 4.1 仿真模型建立 |
| 4.1.1 物理模型搭建 |
| 4.1.2 仿真模型搭建 |
| 4.2 局部放电信号去噪仿真 |
| 4.2.1 局部放电信号生成 |
| 4.2.2 局放信号去噪分析 |
| 4.3 局部放电定位仿真 |
| 4.4 系统仿真与分析 |
| 4.4.1 系统综合仿真 |
| 4.4.2 仿真结果对比分析 |
| 4.5 本章小结 |
| 第5章 软硬件设计与工程应用 |
| 5.1 硬软件总体结构 |
| 5.1.1 硬件总体框架 |
| 5.1.2 软件总体框架 |
| 5.2 硬件设计 |
| 5.2.1 信号放大及滤波模块 |
| 5.2.2 采集卡控制模块 |
| 5.2.3 数据传输模块 |
| 5.3 软件设计 |
| 5.3.1 信号通道选择程序 |
| 5.3.2 二代小波信号去噪程序 |
| 5.3.3 局部放电定位程序 |
| 5.4 系统集成与现场测试 |
| 5.4.1 系统集成应用 |
| 5.4.2 现场验证与测试 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（4）基于FPGA的运动想象脑电信号的分类识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 BCI研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 运动想象BCI国内外研究现状 |
| 1.2.2 运动想象脑电分类识别国内外研究现状 |
| 1.2.3 目前国内外存在问题 |
| 1.3 本文的研究内容和章节安排 |
| 2 脑-机接口与运动想象脑电信号 |
| 2.1 脑机接口概述 |
| 2.1.1 脑机接口系统 |
| 2.1.2 脑-机接口评判标准 |
| 2.2 脑电信号的生理特点及分类 |
| 2.2.1 脑电信号的生理特点 |
| 2.2.2 脑电信号的分类 |
| 2.2.3 脑电信号的采集与提取 |
| 2.3 事件相关去同步/同步 |
| 2.3.1 事件相关去同步/同步的含义 |
| 2.3.2 ERD和ERS的频率特性 |
| 2.4 本章小结 |
| 3 特征提取及分类识别算法研究 |
| 3.1 常用特征提取及分类方法介绍 |
| 3.1.1 特征提取方法简介 |
| 3.1.2 模式分类方法简介 |
| 3.2 小波变换 |
| 3.2.1 连续小波变换 |
| 3.2.2 小波变换时频分析 |
| 3.3 离散小波变换 |
| 3.3.1 多分辨率分析 |
| 3.3.2 Malat算法 |
| 3.4 主成分分析 |
| 3.4.1 主成分分析的基本原理 |
| 3.4.2 主成分分析的计算步骤 |
| 3.5 支持向量机 |
| 3.6 本章小结 |
| 4 运动想象脑电识别分类算法的设计 |
| 4.1 数据预处理 |
| 4.1.1 数据来源及说明 |
| 4.1.2 脑电信号小波去噪 |
| 4.2 基于小波变换的脑电信号特征提取 |
| 4.3 基于PCA+SVM的脑电分类 |
| 4.4 本章小结 |
| 5 脑电识别分类的FPGA设计 |
| 5.1 小波变换Mallat算法的FPGA设计 |
| 5.2 PCA+SVM的FPGA设计 |
| 5.2.1 ROM的LPM建模 |
| 5.2.2 PCA+SVM算法的FPGA设计 |
| 5.3 整个系统的FPGA设计 |
| 5.3.1 时序控制模块 |
| 5.3.2 输出有效位控制模块 |
| 5.3.3 输出选择模块 |
| 5.3.4 系统整体设计 |
| 5.4 仿真与设计 |
| 5.4.1 测试模块设计 |
| 5.4.2 仿真结果及分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 读研期间主要科研成果 |
（5）正交频分复用无源光网络物理层安全防护技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 光接入网面临的安全威胁 |
| 1.3 光接入网安全性增强技术 |
| 1.4 正交频分复用无源光网络系统 |
| 1.5 正交频分复用无源光网络物理层安全 |
| 1.6 主要内容及工作安排 |
| 2 安全防护技术中的相关理论与安全性评价方法 |
| 2.1 混沌理论与密码学 |
| 2.2 基于数字混沌安全防护技术的安全性评价方法 |
| 2.3 小波变换和卷积神经网络理论基础 |
| 2.4 基于小波变换和神经网络的身份认证技术安全性评价方法 |
| 2.5 本章小结 |
| 3 基于上下行明文互扰机制的定点数字混沌加密 |
| 3.1 总体方案和基本原理 |
| 3.2 定点数字混沌系统动力学特性改善 |
| 3.3 结果分析 |
| 3.4 基于动态魔方变换的星座图置换安全性增强 |
| 3.5 结果分析 |
| 3.6 方案对比与讨论 |
| 3.7 本章小结 |
| 4 基于OFDM混沌导频信号的密钥隐匿分发 |
| 4.1 总体方案和基本原理 |
| 4.2 基于OFDM导频冗余的密钥隐匿分发 |
| 4.3 结果分析 |
| 4.4 方案对比与讨论 |
| 4.5 本章小结 |
| 5 基于小波变换和卷积神经网络的硬件指纹识别身份认证 |
| 5.1 总体方案和基本原理 |
| 5.2 基于ONU硬件指纹的物理层身份认证 |
| 5.3 结果分析 |
| 5.4 方案对比与讨论 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间发表的论文目录 |
| 附录2 论文中英文缩写简表 |
（6）基于人工智能算法的库水诱发堆积层滑坡变形预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题依据及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 堆积层滑坡变形研究现状 |
| 1.2.2 库岸滑坡变形研究现状 |
| 1.2.3 人工智能算法应用于滑坡变形预测研究现状 |
| 1.2.4 滑坡敏感性及分类研究现状 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究技术路线 |
| 1.4 取得的研究成果及创新性 |
| 第2章 库水诱发堆积层滑坡变形规律及机理研究 |
| 2.1 滑坡样本选取及分析 |
| 2.1.1 样本滑坡分布 |
| 2.1.2 典型滑坡监测及变形模式 |
| 2.2 不同地质结构滑坡的变形响应规律分析 |
| 2.2.1 坡体几何特征 |
| 2.2.2 滑体物质结构 |
| 2.2.3 滑床形态 |
| 2.3 滑坡变形的外界影响及响应分析 |
| 2.3.1 库水位变化与降雨量响应规律研究 |
| 2.3.2 降雨量与库水位参数取值方法研究 |
| 2.4 基于人工智能的滑坡变形模式分类 |
| 第3章 库水诱发堆积层滑坡变形预测模型选取分析 |
| 3.1 基于小波函数的样本数据分解 |
| 3.1.1 小波变换的理论基础 |
| 3.1.2 小波变换原理 |
| 3.1.3 离散小波变换与分解 |
| 3.1.4 监测数据分解结果研究 |
| 3.2 基于人工智能算法的库水诱发堆积层滑坡变形预测模型 |
| 3.2.1 人工智能算法简介 |
| 3.2.2 计算模型选取 |
| 3.2.3 计算模型分析及选取研究 |
| 第4章 不同变形响应规律滑坡变形预测及模型优化研究 |
| 4.1 阶梯型滑坡位移量预测 |
| 4.2 趋势振荡型滑坡位移量预测 |
| 4.3 随机振荡型滑坡位移量预测 |
| 4.4 持续增长型滑坡位移量预测 |
| 4.5 预测结果评价及优化 |
| 第5章 田坝村堆积层滑坡变形预测分析 |
| 5.1 滑坡地质概况 |
| 5.1.1 地质结构特征 |
| 5.1.2 水文与气象特征 |
| 5.1.3 监测数据分析 |
| 5.2 滑坡分类预测及参数预处理 |
| 5.3 预测结果分析研究 |
| 5.4 不同工况预测分析 |
| 5.5 本章小结 |
| 结论 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的学术成果 |
（7）抗滑桩损伤识别及评估方法的振动台试验研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 抗滑桩的震害损伤形式 |
| 1.3 国内外损伤识别方法现状 |
| 1.3.1 基于动力指纹类损伤识别方法 |
| 1.3.2 基于小波变化类损伤识别方法 |
| 1.3.3 基于模型修正类损伤识别方法 |
| 1.3.4 基于神经网络类损伤识别方法 |
| 1.4 本文研究内容及技术路线 |
| 第2章 损伤识别方法详述 |
| 2.1 动力指纹类法 |
| 2.2 基于小波包能量法 |
| 2.2.1 小波变换基本原理 |
| 2.2.2 连续小波变换与离散小波变换 |
| 2.2.3 小波多分辨分析 |
| 2.2.4 小波包变换 |
| 2.2.5 小波包能量谱与损伤识别 |
| 2.2.6 小波基函数和分解层次n的选取 |
| 2.2.7 现有小波包损伤指标的定义 |
| 2.3 本章小结 |
| 第3章 抗滑桩振动台模型试验 |
| 3.1 振动台模型试验方案 |
| 3.1.1 相似比介绍 |
| 3.1.2 模型断面设计及传感器布设 |
| 3.1.3 抗滑桩边坡承载力数值计算 |
| 3.1.4 加载方案 |
| 3.2 试验与现象 |
| 3.2.1 A组 |
| 3.2.2 B组 |
| 3.2.3 C组 |
| 3.3 振动台试验动力响应 |
| 3.3.1 正弦波动土压力分析 |
| 3.3.2 桩身应变规律 |
| 3.3.3 模型PGA放大系数分布规律 |
| 3.4 监测布点原则 |
| 3.5 本章小结 |
| 第4章 抗滑桩损伤识别 |
| 4.1 基于动力指纹的损伤识别法 |
| 4.1.1 频率变化 |
| 4.1.2 基于自振频率的损伤定量 |
| 4.1.3 基于加速度振型与置信准则的损伤定位 |
| 4.1.4 动力指纹识别损伤的局限性 |
| 4.2 基于小波包能量的损伤识别法 |
| 4.2.1 小波参数选取 |
| 4.2.2 现有小波包能量损伤指标对比 |
| 4.2.3 现有小波包能量损伤指标识别效果 |
| 4.2.4 新小波包能量损伤指标的提出与应用 |
| 4.3 坡体稳定性评价 |
| 4.4 本章小结 |
| 第5章 损伤识别的三维数值模拟 |
| 5.1 模型参数设置 |
| 5.2 抗滑桩模型监测布点 |
| 5.3 初始损伤的模拟 |
| 5.4 基于动力指纹的损伤识别法 |
| 5.4.1 基于振型的损伤定位 |
| 5.4.2 基于频率的损伤定量 |
| 5.5 基于小波包能量△ERPD指标的损伤识别法 |
| 5.6 本章小结 |
| 结论与展望 |
| 结论 |
| 1 抗滑桩震后损伤的定位方法 |
| 2 抗滑桩震后损伤的定量方法 |
| 3 坡体稳定性评价 |
| 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间发表的论文 |
（8）基于表面肌电信号的人体下肢运动意图识别技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景与意义 |
| 1.2 下肢复健的医学理论基础 |
| 1.2.1 下肢功能恢复的可行性 |
| 1.2.2 下肢康复训练方法 |
| 1.3 研究现状 |
| 1.3.1 sEMG信号滤波方法研究现状 |
| 1.3.2 sEMG信号的特征提取技术研究现状 |
| 1.3.3 基于sEMG信号的运动意图识别技术研究现状 |
| 1.4 论文的主要研究内容 |
| 1.4.1 本文主要研究内容 |
| 1.4.2 论文结构安排 |
| 2 下肢表面肌电信号及运动信息的获取 |
| 2.1 sEMG的生理基础 |
| 2.1.1 sEMG产生机理 |
| 2.1.2 sEMG的特性 |
| 2.1.3 sEMG用于运动意图识别的优势 |
| 2.2 下肢表面肌电信号与运动信息采集平台 |
| 2.2.1 三通道表面肌电信号采集平台 |
| 2.2.2 下肢运动信息采集平台 |
| 2.3 sEMG和下肢运动信息采集实验 |
| 2.3.1 sEMG电极位置选择 |
| 2.3.2 sEMG信号及下肢运动信息采集实验步骤 |
| 2.4 本章小节 |
| 3 膝关节sEMG信号预处理技术 |
| 3.1 sEMG信号起始点检测技术 |
| 3.1.1 sEMG信号起始点检测技术研究现状 |
| 3.1.2 基于TKEO的sEMG信号起始点检测 |
| 3.1.3 实验结果分析 |
| 3.2 sEMG信号的消噪方法 |
| 3.2.1 基于经验模态分解的sEMG信号消噪 |
| 3.2.2 基于小波变换的sEMG信号消噪 |
| 3.2.3 基于EMD与等轴双曲阈值小波分解的sEMG信号联合消噪方法 |
| 3.2.4 sEMG消噪结果分析 |
| 3.3 肌肉激活度动力学 |
| 3.3.1 sEMG信号预处理 |
| 3.3.2 激活度动力学模型 |
| 3.4 本章小结 |
| 4 变频率运动中下肢运动意图识别方法 |
| 4.1 下肢变频率运动信息采集 |
| 4.2 变频率运动下膝关节角度估计算法 |
| 4.2.1 基于混合数据集的膝关节角度预测模型 |
| 4.2.2 基于增加特征空间维度的膝关节角度预测模型 |
| 4.2.3 基于频率估计的膝关节角度预测模型 |
| 4.2.4 实验结果验证 |
| 4.3 本章小结 |
| 5 基于知识库与特征匹配的膝关节角度预测器设计 |
| 5.1 sEMG时变特征选取 |
| 5.2 基于K均值聚类与高斯混合模型的离线知识库构建 |
| 5.2.1 K均值聚类 |
| 5.2.2 高斯混合模型 |
| 5.2.3 局部模型知识库的构建 |
| 5.3 基于知识库与特征匹配的膝关节角度预测器 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录A |
| 附录B |
（9）舰船辐射噪声中调制特征线谱检测的小波分析方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 舰船辐射噪声及其背景噪声研究现状 |
| 1.2.2 舰船辐射噪声线谱检测研究现状 |
| 1.2.3 小波分析方法的研究现状 |
| 1.3 论文的主要内容与结构安排 |
| 第2章 舰船辐射噪声 |
| 2.1 舰船辐射噪声源的组成及基本特性 |
| 2.1.1 舰船机械噪声 |
| 2.1.2 舰船螺旋桨噪声 |
| 2.1.3 水动力噪声 |
| 2.2 舰船辐射噪声建模与仿真 |
| 2.2.1 宽带连续谱建模与仿真 |
| 2.2.2 线谱分量建模与仿真 |
| 2.2.3 调制包络建模与仿真 |
| 2.2.4 舰船辐射噪声的生成 |
| 2.3 本章小结 |
| 第3章 小波分析理论基础 |
| 3.1 小波变换基本理论 |
| 3.1.1 连续小波变换理论 |
| 3.1.2 连续小波变换性质 |
| 3.2 离散小波变换理论 |
| 3.2.1 离散小波变换 |
| 3.2.2 二进制离散小波变换 |
| 3.3 小波基性质 |
| 3.4 小波多分辨率分析 |
| 3.4.1 多分辨率分析原理 |
| 3.4.2 多尺度分解方法仿真分析 |
| 3.5 小波包分析 |
| 3.5.1 小波包分析原理 |
| 3.5.2 小波包性质仿真分析 |
| 3.6 本章小结 |
| 第4章 高阶谱分析及轴频估计 |
| 4.1 高阶统计量理论基础 |
| 4.1.1 随机变量的特征函数 |
| 4.1.2 高阶矩与高阶累积量 |
| 4.1.3 矩与累积量的转化关系 |
| 4.1.4 高斯过程的高阶矩与高阶累积量 |
| 4.2 高阶谱分析 |
| 4.2.1 高阶矩与高阶累积量谱 |
| 4.2.2 双谱的性质及算法 |
| 4.2.3 双谱性质的仿真分析 |
| 4.3 轴频估计 |
| 4.3.1 差频算法的轴频提取 |
| 4.3.2 倍频算法的轴频提取 |
| 4.4 本章小结 |
| 第5章 基于小波解调的舰船辐射噪声调制特征线谱提取 |
| 5.1 小波解调 |
| 5.1.1 复小波的多尺度分析 |
| 5.1.2 小波解调的算法 |
| 5.2 1(1/2)维谱分析 |
| 5.2.1 1(1/2)维谱定义 |
| 5.2.2 1(1/2)维谱性质 |
| 5.3 舰船辐射噪声调制特征线谱提取 |
| 5.3.1 调制特征提取流程 |
| 5.3.2 特征提取方法实现 |
| 5.4 数据处理与分析 |
| 5.4.1 仿真信号分析 |
| 5.4.2 实测数据分析 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（10）DTCWT-DBN疲劳裂纹声发射信号实验数据分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 概述 |
| 1.2 论文研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 声发射技术研究现状 |
| 1.3.2 双树复小波在故障检测领域研究现状 |
| 1.3.3 深度信念网络在故障检测领域的研究现状 |
| 1.3.4 BP神经网络在故障检测领域的研究现状 |
| 1.3.5 支持向量机在故障检测领域的研究现状 |
| 1.4 课题来源及本文主要研究内容 |
| 1.4.1 课题来源 |
| 1.4.2 本文的主要研究内容 |
| 第二章 理论基础 |
| 2.1 引言 |
| 2.2 双树复小波相关理论 |
| 2.2.1 双树复小波变换 |
| 2.2.2 双树复小波滤波器设计 |
| 2.3 离散小波相关理论 |
| 2.3.1 离散小波DWT的概念 |
| 2.3.2 离散小波DWT的原理 |
| 2.4 经验模态分解相关理论 |
| 2.5 集合经验模态分解相关理论 |
| 2.5.1 集合经验模态分解EEMD的概念 |
| 2.5.2 集合经验模态分解EEMD原理及算法 |
| 2.6 深度信念网络相关理论 |
| 2.6.1 受限玻尔兹曼机结构 |
| 2.6.2 受限玻尔兹曼机训练算法 |
| 2.7 BP神经网络 |
| 2.7.1 BP神经网络传播过程 |
| 2.7.2 BP神经网络设计原则 |
| 2.7.3 BP算法训练过程 |
| 2.8 支持向量机 |
| 2.8.1 支持向量机的概念 |
| 2.8.2 支持向量机的原理 |
| 本章小结 |
| 第三章 实验数据处理 |
| 3.1 引言 |
| 3.2 实验数据的处理 |
| 3.2.1 双树复小波 |
| 3.2.2 离散小波 |
| 3.2.3 经验模态分解 |
| 3.2.4 集合经验模态分解 |
| 本章小结 |
| 第四章 分类识别 |
| 4.1 基于SVM声发射车轴疲劳裂纹的识别研究 |
| 4.1.1 SVM模型的建立 |
| 4.1.2 实验结果及分析 |
| 4.2 基于BP神经网络声发射车轴疲劳裂纹的识别研究 |
| 4.2.1 BP神经网络模型的建立 |
| 4.2.2 实验结果及分析 |
| 4.3 基于深度信念网络声发射车轴疲劳裂纹的识别研究 |
| 4.3.1 DBN网络模型的建立 |
| 4.3.2 实验结果及分析 |
| 4.3.3 深度信念网络验证分析 |
| 4.4 结果对比分析 |
| 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
四、小波的尺度离散化与稳定性研究（论文参考文献）
- [1]计及新能源的电力现货市场交易优化研究[D]. 王珂珂. 华北电力大学(北京), 2021(01)
- [2]视觉认知启发的高分辨率遥感影像建筑区提取方法[D]. 张钰. 南京邮电大学, 2020(02)
- [3]基于二代小波和暂态零模的电缆局放定位研究[D]. 邹琪骁. 湖北工业大学, 2020(08)
- [4]基于FPGA的运动想象脑电信号的分类识别研究[D]. 王亮. 安徽理工大学, 2020(04)
- [5]正交频分复用无源光网络物理层安全防护技术研究[D]. 李珊珊. 华中科技大学, 2020(01)
- [6]基于人工智能算法的库水诱发堆积层滑坡变形预测研究[D]. 祝权. 成都理工大学, 2020
- [7]抗滑桩损伤识别及评估方法的振动台试验研究[D]. 田鸿程. 西南交通大学, 2020(07)
- [8]基于表面肌电信号的人体下肢运动意图识别技术研究[D]. 韩佳伟. 南京理工大学, 2020(01)
- [9]舰船辐射噪声中调制特征线谱检测的小波分析方法研究[D]. 赵冕. 江苏科技大学, 2019(03)
- [10]DTCWT-DBN疲劳裂纹声发射信号实验数据分析[D]. 刘鹏. 大连交通大学, 2019(08)