| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于经典物理方程的建模方法 | 第11-13页 |
| 1.2.2 基于神经网络的建模方法 | 第13-14页 |
| 1.3 论文研究内容及结构安排 | 第14-16页 |
| 1.3.1 论文研究内容 | 第14-15页 |
| 1.3.2 论文结构安排 | 第15-16页 |
| 第二章 天线辐射场特性及其建模问题分析 | 第16-25页 |
| 2.1 天线辐射场及其频率带宽 | 第16-18页 |
| 2.1.1 天线辐射场 | 第16-17页 |
| 2.1.2 天线辐射场的频率带宽 | 第17-18页 |
| 2.2 天线辐射场的特性 | 第18-23页 |
| 2.2.1 远场构建准则 | 第18-20页 |
| 2.2.2 直线阵列天线的辐射场特性 | 第20-21页 |
| 2.2.3 平面阵列天线的辐射场特性 | 第21-23页 |
| 2.3 天线辐射场建模问题分析 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 小波神经网络与采样理论结合的研究 | 第25-36页 |
| 3.1 小波变换与小波神经网络 | 第25-29页 |
| 3.1.1 小波变换 | 第25-26页 |
| 3.1.2 小波神经网络的结构 | 第26-29页 |
| 3.1.3 小波神经网络进行天线辐射建模的问题分析 | 第29页 |
| 3.2 采样理论与小波神经网络的研究 | 第29-35页 |
| 3.2.1 采样定理 | 第30-32页 |
| 3.2.2 小波采样定理 | 第32-33页 |
| 3.2.3 采样定理与小波神经网络的结合 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 小波神经网络和天线辐射场频带特性的研究 | 第36-44页 |
| 4.1 频带特性计算方法的研究 | 第36页 |
| 4.2 小波神经网络频带特性的分析 | 第36-37页 |
| 4.3 天线辐射场频带特性的分析 | 第37-43页 |
| 4.3.1 直线阵列天线辐射场频带特性的分析 | 第38-41页 |
| 4.3.2 直线阵列频带有限性的验证 | 第41-42页 |
| 4.3.3 平面阵列天线辐射场频带特性的分析 | 第42-43页 |
| 4.4 本章总结 | 第43-44页 |
| 第五章 基于采样理论的小波神经网络算法 | 第44-61页 |
| 5.1 基于采样理论算法设置小波神经网络的参数 | 第44-50页 |
| 5.1.1 设置输入层权值 | 第44-45页 |
| 5.1.2 设置隐含层节点 | 第45-46页 |
| 5.1.3 设置输出层权值 | 第46-50页 |
| 5.2 采样理论算法收敛性的研究 | 第50-56页 |
| 5.2.1 小波神经网络逼近能力的研究 | 第50-54页 |
| 5.2.2 小波神经网络正则性的研究 | 第54-56页 |
| 5.3 小波神经网络去噪能力的研究 | 第56-59页 |
| 5.4 本章总结 | 第59-61页 |
| 第六章 天线辐射场的建模实验仿真 | 第61-72页 |
| 6.1 建模对象的选择 | 第61-62页 |
| 6.2 神经网络的设置 | 第62-63页 |
| 6.2.1 配置小波神经网络的激励函数 | 第62-63页 |
| 6.2.2 基于正则化技术的RBF神经网络 | 第63页 |
| 6.3 神经网络的训练步骤 | 第63-65页 |
| 6.4 实验仿真结果 | 第65-71页 |
| 6.4.1 模拟噪声环境下的建模 | 第66-69页 |
| 6.4.2 实际噪声环境下的建模 | 第69-71页 |
| 6.5 实验总结 | 第71页 |
| 6.6 本章小结 | 第71-72页 |
| 第七章 总结与展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 附录 | 第78-80页 |
| 攻读硕士期间取得的成果 | 第80页 |