文摘
英文文摘
致谢
1 引言
1.1 声源识别与麦克风阵列测试技术
1.1.1 声源识别的意义
1.1.2 声源识别方法
1.2 麦克风阵列波束形成测试技术发展及现状
1.3 本文研究的思路与研究目标
1.3.1 本文研究的思路
1.3.2 本文研究的目标
1.4 本文的研究内容及意义
1.4.1 本文的研究内容
1.4.2 本文的意义
2 波束形成的基本原理
2.1 相控扫描声源识别原理
2.1.1 相控线阵波束形成系统工作原理
2.1.2 相控等间距十字面阵系统工作原理
2.2 波束形成阵列特性研究
2.2.1 阵列的主要特征参数
2.2.2 线阵列接收单声源的仿真结果及分析
2.2.3 线阵列接收双声源的仿真结果及分析
2.2.4 平面矩形阵列接收单声源的仿真结果及分析
2.3 本章小结
3 基于相控扫描的逆向噪声源识别方法
3.1 高精度相控波束形成声源识别方法的思路
3.2 高精度相控逆向声源识别的基本原理
3.2.1 相控扫描逆向声源识别方法的基本原理
3.2.2 线阵相控扫描逆向声源识别的仿真及分析
3.3 相控波束形成逆向声源识别方法的工程化问题
3.3.1 线阵列相控波束形成逆向声源识别方法工程化方程
3.3.2 面阵列相控波束形成逆向声源识别方法工程化方程
3.4 本章小结
4 反问题概述
4.1 反问题研究现状
4.2 反问题病态的解释
4.3 反问题病态程度的度量
4.4 反问题的研究方法
5 人工神经网络方法
5.1 人工神经网络的基本原理
5.2 连续型Hopfield网络
5.2.1 CHNN的结构和动力学方程
5.2.2 CHNN的能量函数及其收敛性
5.3 Hopfield网络求解Fredholm方程
5.3.1 求解思路及步骤安排
5.3.2 问题的对应表示
5.3.3 能量函数的构建
5.3.4 网络结构的设置
5.3.5 网络运行的计算机模拟
5.4 举例验证
5.5 网络参数设计
5.5.1 设计变量
5.5.2 约束条件
5.5.3 目标函数
5.5.4 实验设计
5.5.5 优化策略
5.5.6 参数优化后的例题解及分析
5.6 网络的稳态品质
5.6.1 系统的数学模型
5.6.2 鲁棒性
5.6.3 抗干扰性
5.7 神经网络方法的局限性
5.8 本章小结
6 基于奇异值分解的Tikhonov正则化方法
6.1 Tikhonov正则化思想的引入
6.1.1 积分方程的离散化
6.1.2 基于奇异值分解的反问题分析
6.2 Tikhonov正则化方法的实施
6.2.1 正则矩阵的选择及其标准化
6.2.2 正则参数选择
6.3 Tikhonov正则化方法的应用
6.4 Tikhonov正则法存在的困难
6.5 本章小结
7 一种基于迭代的正则矩阵参数选择方法
7.1 离散Picard条件
7.2 迭代算法的提出及仿真验证
7.3 算法的工程化应用
7.4 重积分逆问题求解
7.5 本章小结
8 工程应用环境条件下的试验验证及工程应用测试
8.1 验证试验实验方案设计
8.2 验证试验试验过程及试验流程
8.3 验证试验实验数据处理与结果分析
8.3.1 线阵试验数据处理方法
8.3.2 十字阵试验数据处理方法
8.3.3 验证试验实验的基本结论
8.4 工程应用测试
8.5 本章小结
9 总结与展望
参考文献
作者简历
学位论文数据集