一、声源检测与定位的多分辨处理（论文文献综述）
盛傅文[1]（2020）在《基于广义互相关和卷积神经网络的声源定位方法研究》文中研究指明随着智能化设备不断发展,对设备故障检测、智能机器人与视频会议等方面通过声音信号实现位置估计。在声源定位领域中,提出了很多传统的声源定位方法,包括基于广义互相关时延估计方法、可控波束形成（SPR）、多重信号分类（MUSIC）以及反卷积声源成像（DAMAS）等。传统声源定位方法对环境噪声、混响以及多声源事件对定位精度没有很好的解决,导致了声源定位在实际应用中的困难,提高了对硬件设备的要求,增加了系统成本。因此,为了解决定位精度不高、多声源事件方位检测以及减少计算量等方面的问题,本文提出了基于广义互相关和卷积神经网络的声源定位方法。采集的声源信号中不仅包含各个类别的声源事件信息,而且还包括声源事件的位置信息。随着信号处理技术的发展,声音定位系统组成包括声音信号预处理、特征提取以及网络结构模型。对于声源定位系统来说,特征提取部分至关重要,影响整个系统的计算量、鲁棒性能以及定位精度。噪声、混响对相同位置同一声源产生广义互相关函数特征的谱峰相似,鲁棒性能较好。因此,对于本文定位系统,主要提取广义互相关特征。针对解决传统定位方法的精度不高,鲁棒性能差,定位精度受限于麦克风阵列的问题。本文采取提取广义互相关特征,利用支持向量机（Support Vector Machine,SVM）算法,检测声源信号在不同长度的特征向量、不同信噪比以及不同混响程度下定位的精确度,分析对定位性能的影响。针对TAU Spatial Sound Events 2019数据库为解决多个声源事件识别以及声源位置估计,本文提出了一种基于双通道卷积神经网络的多声源事件识别以及声源位置估计方法,根据声源信号通过梅尔滤波器组提取Log-Mel频谱特征和广义互相关函数特征,设计了双通道卷积神经网络机构模型。相比于传统声源定位方法,卷积神经网络具有局部感知,在声源定位特征中更关注局部特征,具有较好的鲁棒性能。通过对四通道的声源信号提取不同维数的特征向量和设计5层、9层、11层和13层四种不同深度的双通道卷积神经网络结构进行试验验证,实验结果表明,9层的网络结构相对于其他三种网络,声源事件检测和声源位置估计的精度较高。
傅琳[2]（2012）在《在线音频检测中工业现场强噪声消除技术》文中进行了进一步梳理音频检测技术是一种能够快速识别内部缺陷的无损检测方法，其机理在近30年内已经得到深入研究，但环境强噪声阻碍了其在工业生产中的广泛应用。本文针对应用音频检测技术检测磁性工件暗开缺陷过程中受同频强噪声影响而误判的问题，研究了在线音频检测系统中的主要噪声来源及其特点，设计了应用于在线检测的半封闭式隔音罩，并采用振动传感器和传声器组合的方式捕捉经空气和激励机构传递的工件振动和声音，通过变步长批处理频域自适应算法和自然梯度盲源分离算法消除噪声的干扰，改善传统音频检测方法的抗噪能力，实验验证该方法能够有效地滤除叠加在工件信号中的噪声。本文主要研究工作如下：首先，在全面了解国内外音频检测技术和环境噪声消除技术现状的基础上，分析工业现场噪声源并探讨其与传感器耦合方式；研究传声器和振动传感器相结合的信号采集方式，并通过半封闭式隔音罩设计、传感器选型及合理安装布局等手段实现硬件消噪。其次，研究变步长批处理频域自适应算法，分析最优步长函数对算法性能的影响，并通过实验验证算法效果；分析多种盲源分离方法的特点和应用局限，研究自然梯度盲源分离，分析非线性函数和步长函数，初步验证了算法的应用效果。最后，通过多类型实验，验证了本文所提出方法的噪声消除效果。实验结果表明：该消噪技术能够降低工业现场强噪声干扰达20dB，同时能够消除特定环境内的高频噪声对检测结果的干扰，并将磁环缺陷音频检测的误检率从10%降低到1%。
王春雨[3]（2012）在《管道泄漏特征诊断方法研究》文中研究说明管道在电力、石化等领域应用广泛。管道在使用过程中由于腐蚀老化、焊接质量等原因难免发生泄漏。管道泄漏会造成重大的经济损失和安全隐患，当管道输送的物体为有毒有害物质是，会造成环境污染。多年来国内外在管道泄漏检测方面的研究一直在进行，但在管道泄漏特征诊断方面的研究不多，本文试图寻找管道泄漏特征诊断的解决方法。管道在泄漏过程中，由于流体通过泄漏孔向外喷发形成声波，这种过程我们可以看成是声发射现象。可以通过声发射传感器拾取其声发射信号来检测和诊断管道泄漏的过程。本文选择小波包分解方法将泄漏声发射信号进行分解，将分解后各节点的能量占总能量的百分比作为该信号的特征向量。应用神经网络技术将声发射信号的特征向量作为输入，将管道泄漏的类型作为输出，可以实现管道泄漏的诊断。本文通过建立管道泄漏检测的试验得出泄漏时声发射信号随各参数变化的规律，并用建立的方法将无泄漏、磨损泄漏、焊接质量三种泄漏形势成功分开。该方法在管道泄漏检测与诊断方面有一定的可行性。本文提出的管道泄漏特征诊断方法通过理论研究与试验验证，具有很高的可行性和可靠性，可以应用到各种管道的在线监测中。为管道泄漏特征诊断提出了一种新的方法。
李晓华[4]（2010）在《基于小波分析和支持向量机的电机故障诊断研究》文中认为文章以电机的故障诊断为研究对象,在总结国内外电机故障诊断研究现状的基础上,提出了一种基于小波分析和支持向量机的电机故障诊断方法,并通过实验进行了验证,结果表明采用小波和支持向量机结合的方法能够有效地对异步电机的故障进行检测和诊断。针对异步电机的工作原理,首先对电机的噪声、振动以及其他常见故障进行了故障机理分析,阐述了产生噪声和振动的原因及其故障特征,并通过异步电机实验系统来采集实验电机的噪声和振动信号。电机出现故障时,故障信号中往往含有大量的时变、短时突发性质的成分。由于小波包变换具有优良的时频局部特性和多分辨的处理能力,既可对信号进行整体分析,又可以反映信号局部的细节内容,能够及时准确的捕捉到非平稳局部突变信号的故障特征。故文中采用小波包分析法对所采集信号进行了消噪处理,并得到作为电机故障诊断输入特征向量的分解后的频段能量特征值。针对有限样本情况下故障诊断的特点,把支持向量机引入到电机故障诊断中,有效解决了人工神经网络算法容易出现的过学习和欠学习问题。将支持向量机的改进算法—最小二乘支持向量机应用于电机故障诊断中,通过实验比较RBF神经网络和最小二乘支持向量机的分类性能,发现支持向量机的诊断结果明显优于RBF神经网络。综上所述,小波和支持向量机结合的电机故障诊断方法是一种具有实效性的方法。
李辉环[5]（2010）在《基于变换域的数字音频水印算法研究》文中研究表明随着计算机和因特网的普及、大量的数字产品出现并广泛传播,社会已步入信息化、数字化时代,数字音频作为数字产品的重要组成部分正深刻的影响我们生活。数字技术发展及广泛应用使得人们开始把更多的注意力放在数字产品安全性的保护上,数字音频水印技术是解决数字音频产权保护及安全性的有效途径,已逐渐成为当今研究的一个热点。数字音频水印算法可以划分为时域算法和变换域算法两大类,由于时域算法的鲁棒性较差,而通过改变音频信号的频域系数来隐藏水印,通常具有较好的鲁棒性,目前研究的方向主要集中在变换域。数字水印技术涉及到图像、音频处理算法、数学计算等,采用一种高性能的科学与工程计算软件是很有必要的,Matlab软件提供图像处理、小波分析、数字信号处理等工具箱,它是研究数字音频水印技术的有效工具。本文论述了数字音频水印技术,重点研究了基于变换域的数字音频水印算法,根据嵌入水印的类型不同,设计了两种水印算法。全文的主要工作和研究成果如下:⑴阐述了课题的意义和研究背景,介绍了数字音频水印技术的相关知识,并对已有的音频水印算法进行了分析、比较。⑵设计了一种基于DWT和DCT的大容量数字音频水印算法。该算法采用Arnold变换、离散余弦变换对彩色水印图像进行预处理;结合人耳的听觉特性和音频掩蔽效应,利用小波变换对原始音频信号进行分解,采用整体修改小波系数的方法,把水印信息“均匀”的嵌入音频的各个小波分量中,加强了水印的稳定性;由于舍入误差的存在,同一段音频中提取到的水印值波动很大,算法中采用了一种简单、高效的方法,它能够从一组数值中准确地提取出水印值。此算法丰富了可嵌入水印图像的类型,为大容量水印算法提供了一种解决方法。⑶设计了一种基于DWT的双重数字音频盲水印算法。音频的小波分解与人耳听觉分辨特性很吻合,将水印信息嵌入到不同的小波分量中,水印感知透明性不同,当音频受到攻击时,水印算法表现出的鲁棒性也不相同。据此,采用水印重嵌入的方法,把水印信息分别嵌入到经过四层小波变换的高频和中频分量中,通过双水印来抵御不同类型的攻击,提升对音频的保护能力。水印的提取不需要原始水印,实现盲检测。⑷搭建了实验平台,利用matlab进行仿真实验检测水印算法的性能。从实验结果可以看出,两种数字音频水印算法均能满足水印的安全性和感知透明性要求,且能有效的抵御滤波、重采样、噪声干扰、压缩等常见攻击,具有较好的鲁棒性。
汤春瑞[6]（2009）在《水下目标声图像多分辨率分析及识别研究》文中研究说明水下声成像探测近年来应用范围越来越广泛,军事目标识别、海底地形测绘、海底石油探测、桥梁建设、码头建设等。由于水下声场环境的复杂性和声纳设备成像的非线性,所采集到的水下声纳图像具有对比度低、成像质量差、目标物与背景之间对比度低等特点,这些特点对后续的声纳图像目标检测与识别分析等工作带来了很大的难度。多分辨率分析通过基函数的伸缩、平移等运算对信号进行多尺度细化分析,能有效地从信号中提取信息,是目前国际公认的信号与信息处理领域的高新技术,是信号处理的前沿课题和研究热点。它在信号滤波、图像去噪、图像融合、图像识别等领域的应用越来越多地受到人们的重视。本论文主要研究多分辨率分析及其在图像处理中的应用,主要在基阵信号降噪以及声图像去噪、融合、识别四个方面进行了研究。首先,对水下声成像设备前端传感器声学阵列的工作原理进行了概括性叙述与分析。由于背景噪声复杂,接收到的信号往往会被噪声污染,严重影响目标检测与分类结果的有效性和可靠性,提出基于表面波变换的水下多传感器阵列信号降噪方法。对实际水声信号的降噪处理实验表明,实现了基阵信号的并行处理,得到了较为满意的降噪效果。此方法不仅利用了水下基阵信号间的相关性等统计特性,又利用了表面波变换的移不变性,使水下目标信号的检测、识别更准确。表明该降噪方法对舰船信号进行降噪处理是一种行之有效的方法。其次,对常用的多分辨率变换的概念及去噪方法进行了概括性的介绍与分析。阐述了水下目标声图像的成像机理及声图像的统计特性。针对声纳图像对比度差、不易判别边缘及细节的特点,提出了两种基于多分辨率的声纳图像去噪方法。他们分别为：基于NSCT循环抽样声纳图像去噪方法、基于Surfacelet和多向Cycle Spinning的图像去噪方法。这些方法具有多向性,平移不变性,图像信息并行处理,信息利用率高,并且通过仿真实验,验证了这些去噪方法的有效性和优越性。再次,为了将多波束声纳的数字信息与侧扫声纳的数字信息相融合,提出了基于Surfacelet的声图像融合方法。该方法利用Surfacelet变换的系数特点,有效准确地提取图像边界和细节区域,融合过程将系数分类,分别在不同频率上采用不同的融合方法,可以有效利用待融合图像中的有价值信息。低频子带采用线性平均进行融合；带通边缘分细节区,非细节区,采用不同的融合规则；高频部分参考窗口能量值融合。此方法不仅提高了融合后声纳图像中的信息量和清晰度,而且充分利用了Surfacelet变换的平移不变性,融合过程中的相应运算不会令输出结果局部失真。基于Retinex模型对声纳图像分解后进行融合处理,有效利用了声纳图像暗区信息。将提出的方法应用于MBES声图像和SSS声图像融合,效果好于基于最大值、拉普拉斯、对比度融合以及基于离散小波变换的融合方法。最后,对常用的图像特征提取技术及模式识别方法进行了概括性的介绍与分析。针对高分辨率声纳图像可以提供丰富的海底纹理信息的特点,基于多分辨率工具以纹理作为底质特征采取适当的识别算法进行声图像识别。提出了基于Retinex模型和Surfacelet变换声图像纹理图像识别方法。该方法充分利用了声图像暗区信息,仿真结果表明识别率好于其他方法。综上所述,本文研究了基于多分辨率方法在声图像处理中的应用,并针对目前该领域中存在的不足,设计相应算法进行改进。仿真实验证实,本文所应用的算法和提出的改进方案,均能够获得很好的效果。
李训诰,许任洲,杜栓平[7]（2006）在《利用会聚区隐蔽解算目标运动要素的方法》文中认为在浅海,当被动声纳探测到目标后,由于舰艇间不断的运动,测得的目标方位随时间的不同而不断地发生变化,利用目标方位的变化,通过纯方位法和滤波估计等方法可解算出目标的运动要素。当声纳利用深海会聚区的声学效应在远距离上探测到目标时,因舰艇被动声纳在隐蔽条件下往往只能测得目标的方位,此时的目标方位随着时间的不同变化很小,难以利用浅海的解算方法求出目标的运动要素。为解决这一问题,基于对深海会聚区声学效应的分析,提出了利用会聚区宽度等特点,采用本舰艇合理机动的方式,来求解目标的运动要素的方法。通过对本舰艇各种可能机动方式的建模和计算机仿真计算的结果可见,该方法可行,且在第一、第二会聚区效果明显。
付元杰[8]（2006）在《基于时频能量分析的声发射特征信号的提取方法研究》文中提出材料在受外力，内力或温度的影晌下，结构内部能量聚集到一定程度时会产生频率成分复杂的声发射信号。声发射信号中包含着有关声发射源特性的重要信息，在工程应用中可以通过获取、分析材料受力过程中声发射信号的特征反求材料缺陷的产生和运动发展情况，达到对受力部件进行动态监测的目的。声发射检测技术在设备运行状态监测、生产安全预警方面具有重大的现实价值。但是，由于声发射信号本身的复杂特性，要提取其中最能表现声发射源特征的信号存在困难，这一困难曾一度限制了该检测技术的发展。因此，对声发射信号处理技术的研究一直是声发射技术理论研究与工程应用中的一个关键问题。 本文叙述了国内外声发射技术的发展状况，从力学角度和受力时材料内部结构和能量的运动状况，探讨了声发射的形成机制，介绍了非平稳信号时频域分析方法。对二次型时频分布中严重的交叉项干扰进行了重排技术处理，对处理结果进行了仿真，建立了频率和能量的对应关系，应用Renyi信息量计算提取了声发射信号中的信号分量数，根据信号分量数将信号分段，计算每一段信号与总能量的比值，即能量系数，将能量系数作为声发射信号的一个特征参数提取以备后续处理使用。根据能量系数提取声发射信号中的能量集中频段特征信号，并虑除低频的噪声和高频的低能量信号。 介绍了小波分析和小波包分析理论，小波包分析具有低频和高频分解的能力，更适合分析声发射信号。本文用小波包分析将声发射信号分解到一定尺度，并对每一尺度进行能量计算，根据每一尺度信号能量占总能量的比值，提取声发射信号的特征信号，并进行了信号还原。通过试验数据对两种方法进行了验证并比较了两种方法各自的特点。
张忠兵,马远良,杨坤德,鄢社锋[9]（2005）在《浅海声速剖面的匹配波束反演方法》文中研究说明为了快速反演获得浅海声速剖面,利用匹配波束构造了反演代价函数,在此基础上研究了浅海声速剖面的匹配波束反演方法（MBI）。并运用东中国海的实验数据进行实际反演,验证了MBI的可行性和鲁棒性。利用垂直线列阵接收的29个不同位置的爆炸声信号进行了声速剖面反演, MBI反演的结果与实验中直接测量的声速剖面一致,且反演声速剖面的均方根误差小于2 m/s。研究结果表明,MBI比常规匹配场反演（MFI）获得浅海声速剖面更快速、更准确,并且对底质参数的失配具有较高的鲁棒性。
刘海波[10]（2005）在《抗混响技术研究》文中研究说明混响作为水声学中的基本物理现象之一,对它的研究由来已久,混响理论也日趋成熟。在声纳主动工作方式下,海洋混响更多的是作为干扰来看待的,由于混响信号的特殊性,使得抗混响一直是一个“永恒”的难题。 本论文的主要工作分为两大部份:一是基于多尺度特征的匹配滤波处理方法抗混响;二是分数阶Fourier变换抗混响。 对于主动声呐在混响背景下对目标检测效果的好坏,就和发射信号波形设计密不可分的。在本论文中首先对主动声呐发射信号的特性以及相对应的混响信号的特性进行分析,提出一种由线性调频脉冲串组成的信号——PTFM信号。然后针对PTFM信号在小波变换的多尺度结果上的特征（自相似性和峰度）差异,以及混响信号和PTFM信号在小波变换的多尺度结果上的相关性差异,提出了基于小波变换的多尺度特征匹配滤波处理的抗混响方法。通过仿真验证了该方法适宜在强混响背景下检测低多普勒目标。 宽带信号具有信息量大、混响背景相关性弱等特点,有利于目标检测、参量估计和目标特征提取。本论文最后针对发射信号为宽带线性调频信号,提出一种在时频二维平面进行搜索匹配的抗混响方法——分数阶Fourier变换。通过调整分数阶数可以使信号能量集中,能有效的实现混响背景下的目标检测,并且能很好地克服多普勒失配带来的不利影响,对提高系统的检测能力有很大的意义。
二、声源检测与定位的多分辨处理（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、声源检测与定位的多分辨处理（论文提纲范文）
（1）基于广义互相关和卷积神经网络的声源定位方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 本文章节安排 |
| 第二章 传统声源定位方法 |
| 2.1 基本理论 |
| 2.1.1 声场 |
| 2.1.2 麦克风阵列结构 |
| 2.1.3 混响以及房间冲激响应模型 |
| 2.2 广义互相关时延估计 |
| 2.3 可控波束形成 |
| 2.4 高分辨率谱估计 |
| 2.5 本章小结 |
| 第三章 声音信号预处理及特征提取 |
| 3.1 声音信号预处理 |
| 3.1.1 声音分帧加窗 |
| 3.1.2 声音降噪 |
| 3.2 对数梅尔频谱特征 |
| 3.3 广义互相关特征 |
| 3.4 本章小结 |
| 第四章 基于广义互相关特征的SVM声源定位方法 |
| 4.1 引言 |
| 4.2 支持向量机理论 |
| 4.3 基于SVM的声源定位模型的实现 |
| 4.3.1 广义互相关特征SVM声源定位模型 |
| 4.3.2 广义互相关特征提取 |
| 4.4 实验与分析 |
| 4.5 本章小结 |
| 第五章 基于卷积神经网络声源定位 |
| 5.1 引言 |
| 5.1.1 卷积神经网络结构 |
| 5.1.2 经典卷积神经网络模型 |
| 5.2 数据库 |
| 5.3 基于双通道卷积神经网络的声源定位模型的实现 |
| 5.3.1 声音事件检测模型 |
| 5.3.2 声音位置估计模型 |
| 5.4 实验与分析 |
| 5.4.1 实验设置 |
| 5.4.2 评价标准 |
| 5.4.3 不同网络结构实验分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文和科研成果 |
| 学位论文评阅及答辩情况表 |
（2）在线音频检测中工业现场强噪声消除技术（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 图清单 |
| 表清单 |
| 1 绪论 |
| 1.1 课题研究的目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 音频检测技术研究现状 |
| 1.2.2 环境噪声消除技术研究现状 |
| 1.3 主要研究内容 |
| 2 工业环境强噪声分析及系统组成 |
| 2.1 内部缺陷音频检测原理 |
| 2.2 工业现场噪声分析 |
| 2.3 音频检测系统构成 |
| 2.4 本章小结 |
| 3 工业现场强噪声的硬件降噪方法 |
| 3.1 半封闭式隔音罩设计 |
| 3.2 传感器选型和安装 |
| 3.2.1 传声器原理及选型 |
| 3.2.2 振动传感器原理及选型 |
| 3.2.3 振动传感器安装 |
| 3.4 多通道数据采集系统设计 |
| 3.5 本章小结 |
| 4 自适应噪声消除研究 |
| 4.1 自适应噪声消除的基础理论 |
| 4.1.1 自适应算法组成与最小均方误差 |
| 4.1.2 自适应噪声消除系统的性能分析 |
| 4.2 变步长批处理频域 LMS 算法 |
| 4.2.1 批处理 LMS 算法 |
| 4.2.2 频域 LMS 算法 |
| 4.3 迭代步长分析与仿真 |
| 4.3.1 归一化步长函数及其改进 |
| 4.3.2 Sigmond 步长函数及其改进 |
| 4.3.3 多参量步长函数及其改进 |
| 4.4 算法应用与性能评估 |
| 4.5 本章总结 |
| 5 自然梯度变步长盲源分离 |
| 5.1 盲源分离的基本理论 |
| 5.1.1 盲源分离的数学模型 |
| 5.1.2 盲源分离的基本假设和评价标准 |
| 5.2 盲源分离的基本算法 |
| 5.3 自然梯度变步长盲源分离 |
| 5.3.1 自然梯度盲源分离 |
| 5.3.2 非线性函数和步长讨论 |
| 5.3.3 自然梯度盲源分离的仿真和应用 |
| 5.4 总结 |
| 6 实验及分析 |
| 6.1 隔音罩抗噪能力试验 |
| 6.2 系统整体降噪性能实验 |
| 6.3 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历 |
（3）管道泄漏特征诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 管道泄漏检测技术和方法 |
| 1.2.1 声波检测法 |
| 1.2.2 压力波法 |
| 1.2.3 实时模型法 |
| 1.2.4 统计检测法 |
| 1.3 管道泄漏检测技术国内外研究现状 |
| 1.3.1 管道泄漏检测技术国外现状 |
| 1.3.2 管道泄漏检测技术国内现状 |
| 1.4 本文研究内容 |
| 第2章 管道泄漏声发射检测相关理论 |
| 2.1 声发射的概念和基本理论 |
| 2.1.1 声发射的概念 |
| 2.1.2 AE 检测的基本原理 |
| 2.1.3 AE 方法的特点 |
| 2.1.4 AE 信号的波形分类 |
| 2.2 声发射泄漏检测方法及仪器 |
| 2.2.1 听声法 |
| 2.2.2 声发射定向探头检测法 |
| 2.2.3 声发射接触探头检测法 |
| 2.2.4 声发射人造声源检测法 |
| 2.2.5 声发射脉冲检测法 |
| 2.3 声波在圆管内的传播过程 |
| 2.4 常用声发射信号处理方法 |
| 2.5 本章小结 |
| 第3章 小波与小波包分析 |
| 3.1 小波分析研究概述 |
| 3.2 小波变换及其性质 |
| 3.2.1 连续小波基函数 |
| 3.2.2 连续小波变换 |
| 3.2.3 离散小波变换及其重构 |
| 3.2.4 快速小波变换—Mallat 算法 |
| 3.3 小波包变换 |
| 3.3.1 小波包的定义 |
| 3.3.2 小波包算法 |
| 3.4 基于小波包分解的声发射信号特征提取 |
| 3.4.1 分解尺度和小波包基函数选择 |
| 3.4.2 基于小波包分解的声发射信号特征提取 |
| 3.5 本章小结 |
| 第4章 管道泄漏声发射检测试验 |
| 4.1 管道泄漏声发射试验目的 |
| 4.2 声发射检测系统简介 |
| 4.3 实验过程 |
| 4.4 试验结果分析 |
| 4.4.1 泄漏信号随压力、泄漏孔经、测点距离的关系 |
| 4.4.2 信号特征提取及识别 |
| 4.5 本章小结 |
| 第5章 神经网络分类 |
| 5.1 神经网络概述 |
| 5.1.1 人工神经网络产生的背景及发展过程 |
| 5.1.2 神经网络分类 |
| 5.1.3 神经网络在故障诊断中的应用 |
| 5.2 BP 神经网络 |
| 5.2.1 BP 模型和结构 |
| 5.2.2 BP 模型的学习过程 |
| 5.2.3 应用 BP 处理试验数据 |
| 5.3 PNN 概率神经网络 |
| 5.3.1 PNN 神经网络概述 |
| 5.3.2 PNN 与 BP 比较 |
| 5.3.3 应用 PNN 神经网络处理试验数据 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间取得的研究成果及发表的学术论文 |
| 致谢 |
（4）基于小波分析和支持向量机的电机故障诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 电机故障诊断的目的和意义 |
| 1.2 电机故障诊断技术研究概况 |
| 1.3 论文主要工作和结构安排 |
| 2 电机故障机理分析 |
| 2.1 电机噪声故障机理分析 |
| 2.2 电机振动故障机理分析 |
| 2.3 其他常见故障机理分析 |
| 2.3.1 电机定子故障机理 |
| 2.3.2 电机转子绕组故障机理 |
| 3 小波分析理论及应用 |
| 3.1 小波分析理论 |
| 3.1.1 连续小波变换 |
| 3.1.2 离散小波变换 |
| 3.1.3 多分辨分析与小波构造 |
| 3.2 小波包分析 |
| 3.3 信号的小波包消噪方法 |
| 3.4 信号特征向量的提取 |
| 3.4.1 频带分析技术 |
| 3.4.2 利用小波包进行特征向量提取 |
| 3.5 信号消噪仿真分析 |
| 4 基于支持向量机的故障诊断方法 |
| 4.1 统计学习理论 |
| 4.2 支持向量分类机 |
| 4.2.1 线性支持向量机 |
| 4.2.2 非线性支持向量机 |
| 4.3 最小二乘支持向量机 |
| 4.4 多类分类问题 |
| 4.5 多分类算法仿真分析 |
| 5 异步电机故障诊断系统 |
| 5.1 异步电机实验系统介绍 |
| 5.1.1 系统构成 |
| 5.1.2 测点布置 |
| 5.2 MATLAB功能简述 |
| 5.2.1 MATLAB的优点 |
| 5.2.2 MATLAB的工具箱应用 |
| 5.2.3 MATLAB与VB的接口 |
| 5.3 实验数据的处理与分析 |
| 5.3.1 小波包消噪处理 |
| 5.3.2 特征向量的提取 |
| 5.4 神经网络故障诊断系统 |
| 5.4.1 BP神经网络 |
| 5.4.2 径向基(RBF)神经网络 |
| 5.5 LSSVM故障诊断系统 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 工作展望 |
| 附录 |
| 参考文献 |
| 攻读硕士学位期间发表论文及所取得的研究成果 |
| 致谢 |
（5）基于变换域的数字音频水印算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 数字音频水印技术的现状 |
| 1.3 论文的结构和主要内容 |
| 第二章 数字音频水印系统 |
| 2.1 水印系统概述 |
| 2.1.1 水印系统的框架 |
| 2.1.2 水印算法应满足的基本要求 |
| 2.1.3 水印算法的分类 |
| 2.2 水印的攻击方法及对策 |
| 2.3 水印的评价标准 |
| 第三章 数字音频水印算法 |
| 3.1 水印载体与水印 |
| 3.1.1 声音及音频数字化 |
| 3.1.2 图像及图像置乱 |
| 3.2 音频掩蔽效应 |
| 3.3 小波变换 |
| 3.3.1 小波变换的数学描述 |
| 3.3.2 小波变换在水印中的应用 |
| 3.4 离散余弦变换 |
| 3.4.1 离散余弦变换的数学描述 |
| 3.4.2 离散余弦变换在水印中的应用 |
| 3.5 常见的音频水印算法 |
| 3.5.1 空间域数字音频水印算法 |
| 3.5.2 变换域数字音频水印算法 |
| 3.5.3 其它类型的数字音频水印算法 |
| 第四章 基于DWT 和DCT 的大容量数字音频水印算法 |
| 4.1 算法基本思想 |
| 4.2 水印的预处理 |
| 4.2.1 水印置乱 |
| 4.2.2 水印压缩 |
| 4.3 水印的嵌入 |
| 4.4 水印的提取 |
| 4.5 实验结果与分析 |
| 4.5.1 不可感知性测试 |
| 4.5.2 安全性测试 |
| 4.5.3 鲁棒性测试 |
| 4.6 本章小结 |
| 第五章 基于DWT 的双重数字音频盲水印算法 |
| 5.1 水印的嵌入 |
| 5.1.1 水印置乱 |
| 5.1.2 小波变换 |
| 5.2 水印的提取 |
| 5.3 实验结果与分析 |
| 5.3.1 不可感知性测试 |
| 5.3.2 安全性测试 |
| 5.3.3 鲁棒性测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 数字音频水印技术的展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文 |
（6）水下目标声图像多分辨率分析及识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外水下目标信号研究概述 |
| 1.2.1 利用声回波信号进行目标识别 |
| 1.2.2 利用声图像进行目标识别 |
| 1.3 多分辨率分析的产生、现状及发展方向 |
| 1.3.1 多分辨率分析理论概述 |
| 1.3.2 国内外水下目标声图像处理现状 |
| 1.3.3 小波等多分辨率分析理论在目标声信号处理存在的不足 |
| 1.4 本论文研究的背景、意义和主要内容 |
| 1.4.1 研究的背景和意义 |
| 1.4.2 研究的主要内容 |
| 1.5 全文内容安排 |
| 第2章 水下多传感器阵列信号降噪研究 |
| 2.1 水下多传感器基阵概述 |
| 2.2 阵列接收信号模型及测向原理 |
| 2.2.1 目标源发射信号模型 |
| 2.2.2 阵列接收信号模型 |
| 2.2.3 声学阵列测向原理 |
| 2.3 舰船辐射噪声特性 |
| 2.3.1 舰船辐射噪声的产生机理 |
| 2.3.2 舰船辐射噪声频谱特性 |
| 2.4 基于表面波变换的水F多传感器阵列信号降噪 |
| 2.4.1 表面波变换结构单元 |
| 2.4.2 基于表面波变换的水下多传感器阈值降噪算法 |
| 2.4.3 实际舰船信号的降噪 |
| 2.4.4 降噪效果分析 |
| 2.5 本章小结 |
| 第3章 多分辨率方法声图像去噪研究 |
| 3.1 多分辨率方法概述 |
| 3.1.1 短时傅立叶变换 |
| 3.1.2 Wavelet变换分析 |
| 3.1.3 Ridgelet变换原理 |
| 3.1.4 Curvelet变换原理 |
| 3.1.5 控向塔型变换(Steerable Pyramid Transform) |
| 3.1.6 Contourlet变换原理 |
| 3.2 传统图像去噪方法 |
| 3.3 水下目标声图像的成像机理及统计特性 |
| 3.3.1 水下目标声图像的成像机理 |
| 3.3.2 水下目标声图像的统计特性 |
| 3.4 基于NSCT循环抽样声纳图像去噪方法 |
| 3.4.1 NSCT |
| 3.4.2 基于NSCT变换循环抽样去噪算法 |
| 3.4.3 实验结果及分析 |
| 3.5 基于Surfacelet和多向Cycle Spinning的声图像去噪方法 |
| 3.5.1 去噪算法 |
| 3.5.2 实验结果与分析 |
| 3.6 本章小结 |
| 第4章 多分辨率方法声图像融合处理 |
| 4.1 声纳系统工作原理 |
| 4.1.1 多波束声纳系统 |
| 4.1.2 侧扫声纳系统 |
| 4.2 图像融合技术概述 |
| 4.2.1 数据融合与图像融合技术 |
| 4.2.3 常用的图像融合算法 |
| 4.3 基于Surfacelet的图像融合算法 |
| 4.3.1 子空间系数分布特性研究 |
| 4.3.2 Retinex模型 |
| 4.3.3 融合分析策略 |
| 4.3.4 融合算法 |
| 4.4 仿真结果与分析 |
| 4.4.1 融合图像质量评价 |
| 4.4.2 实验数据及分析 |
| 4.6 本章小结 |
| 第5章 多分辨率方法声图像特征提取及识别 |
| 5.1 引言 |
| 5.2 图像特征提取技术概述 |
| 5.2.1 灰度直方图 |
| 5.2.2 共生矩阵 |
| 5.2.3 傅立叶特征 |
| 5.3 模式识别的常用算法 |
| 5.3.1 遗传算法 |
| 5.3.2 支持向量机(SVM) |
| 5.3.3 人工神经网络 |
| 5.4 基于Surfacelet变换声图像纹理图像识别 |
| 5.4.1 基于Retinex模型分解拟识别声图像 |
| 5.4.2 声图像Surfacelet分解及特征提取 |
| 5.4.3 矩阵的奇异值分解及特征矩阵降维应用 |
| 5.4.4 声图像特征提取及基于BP神经网络的声图像识别 |
| 5.5 实验结果分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（7）利用会聚区隐蔽解算目标运动要素的方法（论文提纲范文）
| 引 言 |
| 1 深海会聚区的形成条件及发生概率 |
| 1.1 形成会聚区的环境条件 |
| 1.2 会聚区发生的概率 |
| 2 深海会聚区目标运动要素解算模型 |
| 2.1 会聚区宽度 |
| 2.2 目标运动要素的解算方法 |
| 3 仿真计算 |
| 3.1 定性计算 |
| 3.2 可行性模拟仿真 |
| 4 结 论 |
（8）基于时频能量分析的声发射特征信号的提取方法研究（论文提纲范文）
| 第一章 绪论 |
| 1.1 课题的来源 |
| 1.2 声发射检测技术综述 |
| 1.3 声发射技术的发展及现状 |
| 1.4 声发射信号处理方法概述 |
| 1.4.1 声发射信号参数分析 |
| 1.4.2 声发射信号的波形分析 |
| 1.5 本课题的主要工作及其意义 |
| 1.5.1 研究的主要内容 |
| 1.5.2 研究的意义 |
| 第二章 声发射机制的力学探讨 |
| 2.1 断裂力学与声发射 |
| 2.2 位错运动与声发射 |
| 2.3 金属试件拉伸试验中声发射产生的全过程描述及其特征 |
| 2.3.1 金属试件拉伸试验中声发射产生的全过程描述 |
| 2.3.2 声发射信号特征 |
| 本章小结 |
| 第三章 声发射信号时频分析 |
| 3.1 时频分析的研究与应用发展概述 |
| 3.1.1 国内外研究概况 |
| 3.1.2 时频分析的应用研究概述 |
| 3.2 基本概念介绍 |
| 3.2.1 傅立叶变换 |
| 3.2.2 信号的测不准原理与时频分辨率 |
| 3.2.3 瞬时频率 |
| 3.3 短时傅立叶变换与Gabor变换 |
| 3.3.1 短时傅立叶变换 STFT |
| 3.3.2 Gabor展开 |
| 3.3.3 STFT的时间和频率分辨率 |
| 3.4 Wigner-Ville分布(魏格纳分布WVD) |
| 3.4.1 魏格纳分布的定义及特性 |
| 3.4.2 交叉项的影响 |
| 3.4.3 交叉项与时间、频率间隔的关系 |
| 3.4.4 伪魏格纳分布 |
| 3.5 几种典型的分布的核函数 |
| 3.5.1 乔伊-威廉斯核函数 |
| 3.5.2 其它核函数 |
| 3.6 时频分布的重排技术 |
| 3.6.1 谱图的重排 |
| 3.6.2 Cohen类时频分布的重排 |
| 3.7 基于时频分布的声发射信号特征量提取 |
| 3.7.1 声发射信号分量数提取方法 |
| 3.7.2 时频域声发射信号的边缘分布参数 |
| 3.7.3 声发射信号的时频能量分割 |
| 本章小结 |
| 第四章 小波分析和小波包分析 |
| 4.1 小波分析研究概述 |
| 4.2 小波变换及其性质 |
| 4.2.1 连续小波基函数 |
| 4.2.2 连续小波变换 |
| 4.2.3 离散小波变换及其重构 |
| 4.2.4 小波变换的快速算法──Mallat算法 |
| 4.3 小波包变换 |
| 4.3.1 小波包的定义 |
| 4.3.2 小波包算法 |
| 4.4 基于小波包分解的声发射信号特征提取 |
| 4.4.1 分解尺度和小波包基函数选择 |
| 4.4.2 基于小波包分解的声发射信号特征提取过程 |
| 本章小结 |
| 第五章 时频分析在声发射信号处理中的应用及实验 |
| 5.1 实验设计 |
| 5.1.1 实验平台 |
| 5.1.2 实验数据处理 |
| 本章小结 |
| 第六章 全文总结 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 学位论文原创性声明 |
| 学位论文使用授权声明 |
（10）抗混响技术研究（论文提纲范文）
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 混响仿真和抗混响研究背景 |
| 1.2.1 混响信号仿真研究背景 |
| 1.2.2 抗混响研究背景 |
| 1.3 论文工作内容介绍 |
| 第2章 海洋混响 |
| 2.1 海洋混响的基本概念 |
| 2.1.1 混响的分类 |
| 2.1.2 散射强度 |
| 2.1.3 基本假定 |
| 2.2 混响特性分析 |
| 2.2.1 混响信号概率密度分布的理论分析 |
| 2.2.2 混响的相关特性分析 |
| 2.2.3 混响信号的频谱分析 |
| 2.3 发射信号及其特性分析 |
| 2.3.1 CW脉冲信号 |
| 2.3.2 LFM脉冲信号 |
| 2.3.3 PTFM信号 |
| 2.4 本章小节 |
| 第3章 基于多尺度特征匹配抗混响 |
| 3.1 引言 |
| 3.2 小波变换基本理论 |
| 3.2.1 连续小波变换的定义 |
| 3.2.2 离散小波变换定义 |
| 3.2.3 二进制小波变换 |
| 3.2.4 小波时频分析的优点 |
| 3.2.5 高斯线调频小波 |
| 3.3 基于多尺度特征匹配滤波器 |
| 3.3.1 多尺度特征相关概念 |
| 3.3.2 多尺度特征分析 |
| 3.3.3 多尺度特征匹配滤波抗混响结果 |
| 3.4 本章小结 |
| 第4章 分数阶Fourier变换抗混晌 |
| 4.1 分数阶Fourier变换 |
| 4.1.1 定义 |
| 4.1.2 分数阶Fourier变换的数值计算 |
| 4.2 线性调频信号的分数阶Fourier变换 |
| 4.2.1 分数阶Fourier变换抗混响研究 |
| 4.3 宽带湖试数据处理 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
四、声源检测与定位的多分辨处理（论文参考文献）
- [1]基于广义互相关和卷积神经网络的声源定位方法研究[D]. 盛傅文. 山东大学, 2020(02)
- [2]在线音频检测中工业现场强噪声消除技术[D]. 傅琳. 中国计量学院, 2012(02)
- [3]管道泄漏特征诊断方法研究[D]. 王春雨. 东北电力大学, 2012(10)
- [4]基于小波分析和支持向量机的电机故障诊断研究[D]. 李晓华. 中北大学, 2010(05)
- [5]基于变换域的数字音频水印算法研究[D]. 李辉环. 江西理工大学, 2010(08)
- [6]水下目标声图像多分辨率分析及识别研究[D]. 汤春瑞. 哈尔滨工程大学, 2009(01)
- [7]利用会聚区隐蔽解算目标运动要素的方法[J]. 李训诰,许任洲,杜栓平. 火力与指挥控制, 2006(08)
- [8]基于时频能量分析的声发射特征信号的提取方法研究[D]. 付元杰. 广西大学, 2006(12)
- [9]浅海声速剖面的匹配波束反演方法[J]. 张忠兵,马远良,杨坤德,鄢社锋. 声学学报, 2005(02)
- [10]抗混响技术研究[D]. 刘海波. 哈尔滨工程大学, 2005(08)