| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| Contents | 第11-13页 |
| 第1章 绪论 | 第13-19页 |
| ·课题的研究背景和理论意义 | 第13-14页 |
| ·课题研究的国内外动态和现状 | 第14-16页 |
| ·本课题研究的内容 | 第16-19页 |
| 第2章 DOA 估计的基本理论和方法 | 第19-35页 |
| ·测向问题的基本模型 | 第19-20页 |
| ·影响 DOA 估计结果的参数 | 第20-21页 |
| ·传统 DOA 估计方法的介绍 | 第21-27页 |
| ·MUSIC 算法 | 第21-23页 |
| ·ESPRIT 算法 | 第23-25页 |
| ·Capon 算法 | 第25-27页 |
| ·基于神经网络的 DOA 估计方法介绍 | 第27-33页 |
| ·MLP-DOA | 第28-29页 |
| ·RBF-DOA | 第29-32页 |
| ·Hopfield-DOA | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第3章 基于选择性神经网络集成的单信号源 DOA 估计 | 第35-49页 |
| ·粒子群算法的基础 | 第35-38页 |
| ·粒子群算法的基本原理 | 第35页 |
| ·粒子群算法的数学描述 | 第35-36页 |
| ·粒子群算法的参数 | 第36-37页 |
| ·粒子群算法的特点 | 第37-38页 |
| ·神经网络集成 | 第38-42页 |
| ·神经网络集成的工作原理 | 第38-39页 |
| ·神经网络集成的实现方法 | 第39-42页 |
| ·算法的具体实现 | 第42-43页 |
| ·基于 PSO 算法的选择性神经网络集成 | 第42页 |
| ·DOA 估计算法的实现 | 第42-43页 |
| ·算法中参数的设置 | 第43页 |
| ·仿真实验 | 第43-47页 |
| ·本章小结 | 第47-49页 |
| 第4章 基于 PSO-BP 神经网络的多信号源 DOA 估计 | 第49-63页 |
| ·BP 神经网络的简单介绍 | 第49-51页 |
| ·粒子群神经网络的实现 | 第51-52页 |
| ·基于粒子群神经网络的 DOA 估计算法实现 | 第52-55页 |
| ·仿真实验及分析 | 第55-61页 |
| ·仿真实验 1 及分析 | 第55-58页 |
| ·仿真实验 2 及分析 | 第58页 |
| ·仿真实验 3 及分析 | 第58-59页 |
| ·仿真实验 4 及分析 | 第59-60页 |
| ·仿真实验 5 及分析 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 结论与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |