声明
1 绪论
1.1 研究背景和意义
1.1.1 选题背景
1.1.2 研究意义
1.2 研究目的与主要内容
1.2.1 研究目的
1.2.2 主要研究内容
1.3 研究方法
1.4 研究框架
1.5 创新点与不足点
2 文献综述
2.1 混沌噪声干扰下微弱信号检测的国内外研究
2.2 基于深度学习模型的微弱信号检测国内外研究
2.3 本章小结
3 预备理论知识
3.1 混沌相关知识
3.1.1 混沌的定义
3.1.2 混沌运动的基本特征
3.1.3 混沌理论的发展应用
3.1.4 相空间重构理论
3.1.5 混沌时间序列的预测
3.2 深度学习相关知识
3.2.1 浅析深度学习
3.2.2 人工神经网络
3.2.3 RBF神经网络
3.2.4 Elman深度学习神经网络
3.3 本章小结
4 基于深度学习模型的混沌噪声干扰下微弱脉冲信号的检测
4.1 混沌噪声干扰下微弱脉冲信号的检测思路
4.2 EDAD微弱脉冲信号检测方法实现
4.2.1 信号检测问题转化
4.2.2 Elman深度学习自适应检测模型
4.3 检测器性能评估
4.4 本章小结
5 基于深度学习模型的混沌噪声干扰下微弱脉冲信号的估计
5.1 混沌噪声干扰下微弱脉冲信号的估计思路
5.2 DEDR微弱脉冲信号估计方法实现
5.2.1 双层Elman深度神经网络恢复模型
5.2.2 DEDR模型的参数估计
5.2.3 DEDR估计算法步骤
6 仿真实验结果与分析
6.1 实验一:微弱脉冲信号存在性的检测实验
6.2 实验二:检测模型性能检测实验
6.3 实验三:微弱脉冲信号的估计实验
6.4 实验四:不同强度脉冲信号的检测与估计实验
6.5 实验五:不同模型的性能比较
7 总结与展望
7.1 工作总结
7.2 未来展望
致谢
参考文献
个人简历、在学期间发表的学术论文及取得的研究成果
重庆理工大学;