《煤矸界面的自动识别技术》分为5章，主要内容包括：煤矸界面的自动识别技术研究概述、尾梁振动分析及实验系统、基于局域波分解的振动信号特征提取与识别、声波信号的时间序列建模与分析、BP神经网络在煤矸界面识别中的应用。本书建立了尾梁振动模型，提出了尾梁的振动行为具有统计规律，为后续的模式特征的提取及识别提供理论依据。然后针对尾梁振动信号，采用局域波方法处理信号，提取了反映煤矸界面的特征；针对声波信号，采用时间序列分析方法进行建模并提取特征。最后，利用多种识别方法对信号进行识别，并对提高识别精度做了研究。 本书适用于从事煤矿机械、工业自动化领域工作的工程技术人员学习，也可以作为大中专院校相关专业的教学参考书。

第1章 煤矸界面的自动识别技术研究概述
1.1 研究背景与意义
1.2 国内外煤矸界面识别研究现状
1.2.1 国外煤矸界面识别研究现状
1.2.2 国内煤矸界面识别研究现状
1.2.3 目前煤矸界面识别存在的问题
1.3 本书研究方法和主要内容
第2章 尾梁振动分析及实验系统
2.1 尾梁的振动分析
2.1.1 尾梁的自由振动
2.1.2 尾梁的受迫振动
2.2 信号的拾取
2.2.1 传感器的选用原则
2.2.2 振动信号传感器
2.2.3 声波信号传感器
2.3 实验系统概述及传感器安装
2.4 煤矸界面自动识别原理
2.5 现场综放工作面
第3章 基于局域波分解的振动信号特征提取与识别
3.1 Hilbert 变换
3.1.1 连续信号的Hilbert 变换
3.1.2 离散时间信号的Hilbert 变换
3.2 瞬时频率和固有模态函数
3.3 局域波分解过程
3.3.1 均值求法
3.3.2 分量提取
3.4 基于局域波分解的尾梁振动信号分析
3.4.1 尾梁振动信号的局域波分解
3.4.2 基于局域波分解的煤矸界面特征提取方法
3.4.3 振动信号的Hilbert 谱和边际谱分析
3.4.4 振动信号的距离判别方法
第4章 声波信号的时间序列建模与分析
4.1 时间序列基本原理
4.2 时间序列模型类型
4.2.1 AR 自回归模型
4.2.2 MA 滑动平均模型
4.2.3 ARMA 自回归滑动平均模型
4.2.4 ARIMA 自回归综合滑动平均模型
4.3 煤矸声波信号的时序建模
4.3.1 数据预处理
4.3.2 判定模型类型
4.3.3 模型参数估计
4.3.4 模型阶数
4.3.5 模型验证
4.4 基于ARMA 模型的双谱分析及其特征
4.5 基于ARMA 模型残差方差的煤矸界面特征
第5章 BP神经网络在煤矸界面识别中的应用
5.1 神经元模型和学习方式
5.1.1 人工神经元模型
5.1.2 学习方式及算法
5.2 振动信号的BP神经网络识别
5.2.1 BP 神经网络的设计
5.2.2 振动信号的识别
5.3 声波信号的BP神经网络识别
5.4 基于信息融合的识别方法
附录1　emd 分量峰值程序
附录2　边际谱分析程序
附录3　峰值函数程序