声明
致谢
摘要
1 前言
1.1 课题的背景和意义
1.2 国内外研究现状
1.2.1 铁路路基典型病害成因及分类
1.2.2 探地雷达技术在铁路路基检测中的发展及应用
1.2.3 基于雷达信号的路基病害特征表示算法研究现状
1.2.4 基于雷达信号特征的路基病害识别技术现状
1.3 研究内容及研究方法
1.3.1 研究的总体思路
1.3.2 研究内容
2 有砟铁路路基典型病害性状分析及分类
2.1 引言
2.2 铁路路基的雷达图像
2.3 铁路路基病害分类
2.3.1 既有铁路路基病害的雷达图像表征
2.3.2 面向探地雷达的铁路路基病害分类
2.4 铁路路基病害成因及性状分析
2.4.1 翻浆冒泥
2.4.2 道碴陷槽
2.4.3 路基下沉
2.5 探地雷达检测铁路路基的工作参数及系统安装
2.6 本章小结
3 铁路路基病害的雷达信号特征表示研究
3.1 引言
3.2 面向铁路路基病害的雷达信号预处理
3.2.1 天线耦合波和直达波的去除
3.2.2 天线起伏的矫正
3.2.3 射频干扰的抑制
3.2.4 噪声的抑制
3.3 基于时域特征的路基病害特征表示
3.3.1 主成分分析
3.3.2 路基病害的特征表示
3.4 基于小波变换的路基病害特征表示
3.4.1 二维小波变换
3.4.2 常用小波形式
3.4.3 铁路路基图像的小波分析
3.4.4 小波分解的图像能量分布
3.5 基于小波能谱分析的路基病害特征表示
3.5.1 小波高频信息部分的能谱分布
3.5.2 小波分解的图像能量分布
3.6 基于稀疏表示的路基图像特征表示
3.6.1 典型路基病害图像特征
3.6.2 边界分割处理提取感兴趣区域
3.6.3 铁路路基雷达图像的物理几何特征
3.7 路基病害的特征提取方法比较
3.8 本章小结
4 路基病害的智能识别及其比较分析研究
4.1 引言
4.2 人工神经网络
4.2.1 LVQ神经网络
4.2.2 基于LVQ神经网络的路基病害识别
4.3 模糊聚类神经网络的算法
4.3.1 基于FCM的路基病害识别
4.3.2 基于FCM-GANN算法的路基病害识别
4.4 支持向量机
4.4.1 经验风险最小化
4.4.2 基于SVM的铁路路基病害识别
4.5 路基病害的智能识别比较分析
4.6 本章小结
5 基于稀疏表示的路基病害识别方法研究
5.1 压缩感知理论
5.1.1 压缩感知数学模型
5.1.2 压缩感知过程
5.2 基于信号稀疏表示的路基病害识别
5.2.1 铁路路基及其病害的信号稀疏投影表示
5.2.2 路基病害特征值的投影稀疏性表示
5.2.3 实例分析
5.3 基于物理特征和压缩感知的路基病害识别方法
5.3.1 目标稀疏性分析
5.3.2 目标鉴别流程
5.3.3 基于稀疏特征的铁路路基病害的识别算法
5.3.4 实例分析
5.4 本章小结
6 结论
6.1 结论
6.2 创新点
6.3 展望
参考文献
作者简历及攻读博士学位期间取得的研究成果
学位论文数据集