第1章　煤矸界面的自動識別技術研究概述 0011.1　研究背景與意義 0021.2　國內外煤矸界面識別研究現狀 0041.2.1　國外煤矸界面識別研究現狀 0061.2.2　國內煤矸界面識別研究現狀 0111.2.3　目前煤矸界面識別存在的問題 0131.3　本書研究方法和主要內容 014第2章　尾梁振動分析及實驗系統 0172.1　尾梁的振動分析 0182.1.1　尾梁的自由振動 0182.1.2　尾梁的受迫振動 0202.2　信號的拾取 0222.2.1　傳感器的選用原則 0222.2.2　振動信號傳感器 0232.2.3　聲波信號傳感器 0242.3　實驗系統概述及傳感器安裝 0252.4　煤矸界面自動識別原理 0302.5　現場綜放工作面 031第3章　基于局域波分解的振動信號特征提取與識別 0353.1　Hilbert 變換 0373.1.1　連續信號的Hilbert 變換 0373.1.2　離散時間信號的Hilbert 變換 0403.2　瞬時頻率和固有模態函數 0413.3　局域波分解過程 0443.3.1　均值求法 0443.3.2　分量提取 0483.4　基于局域波分解的尾梁振動信號分析 0493.4.1　尾梁振動信號的局域波分解 0503.4.2　基于局域波分解的煤矸界面特征提取方法 0523.4.3　振動信號的Hilbert 譜和邊際譜分析 0583.4.4　振動信號的距離判別方法 064第4章　聲波信號的時間序列建模與分析 0714.1　時間序列基本原理 0734.2　時間序列模型類型 0754.2.1　AR 自回歸模型 0754.2.2　MA 滑動平均模型 0764.2.3　ARMA 自回歸滑動平均模型 0764.2.4　ARIMA 自回歸綜合滑動平均模型 0784.3　煤矸聲波信號的時序建模 0794.3.1　數據預處理 0814.3.2　判定模型類型 0834.3.3　模型參數估計 0854.3.4　模型階數 0864.3.5　模型驗證 0894.4　基于ARMA 模型的雙譜分析及其特征 0924.5　基于ARMA 模型殘差方差的煤矸界面特征 096第5章　BP神經網絡在煤矸界面識別中的應用 0995.1　神經元模型和學習方式 1005.1.1　人工神經元模型 1015.1.2　學習方式及算法 1035.2　振動信號的BP神經網絡識別 1035.2.1　BP 神經網絡的設計 1045.2.2　振動信號的識別 1105.3　聲波信號的BP神經網絡識別 1125.4　基于信息融合的識別方法 113附錄1　emd 分量峰值程序 117附錄2　邊際譜分析程序 118附錄3　峰值函數程序 122