| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 航空磁补偿原理概述 | 第10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 航空磁补偿国内外研究现状 | 第10-12页 |
| 1.3.2 神经网络国内外研究现状 | 第12页 |
| 1.4 本文的主要研究内容及结构安排 | 第12-15页 |
| 第2章 基于BP神经网络的航磁补偿模型 | 第15-37页 |
| 2.1 引言 | 第15页 |
| 2.2 传统航磁补偿模型概述与分析 | 第15-20页 |
| 2.2.1 传统T-L模型概述 | 第15-17页 |
| 2.2.2 传统磁补偿方法分析 | 第17-20页 |
| 2.3 BP神经网络磁补偿模型设计与实验结果分析 | 第20-36页 |
| 2.3.1 BP神经网络概述 | 第20-23页 |
| 2.3.2 基于BP神经网络磁补偿模型补偿分析 | 第23页 |
| 2.3.3 BP神经网络磁补偿模型设计 | 第23-28页 |
| 2.3.4 实验结果与分析 | 第28-36页 |
| 2.4 本章小节 | 第36-37页 |
| 第3章 基于遗传算法的航磁补偿方法 | 第37-47页 |
| 3.1 引言 | 第37页 |
| 3.2 遗传算法优化BP神经网络方案设计与分析 | 第37-42页 |
| 3.2.1 遗传算法概述 | 第37-38页 |
| 3.2.2 遗传算法优化BP神经网络磁补偿模型分析 | 第38-39页 |
| 3.2.3 优化算法进行补偿实验设计 | 第39-40页 |
| 3.2.4 优化算法磁补偿结果分析 | 第40-42页 |
| 3.3 遗传算法进行传统磁补偿方案设计与分析 | 第42-46页 |
| 3.3.1 遗传算法进行传统补偿分析及方案设计 | 第42-43页 |
| 3.3.2 遗传算法进行传统补结果分析 | 第43-46页 |
| 3.4 本章小节 | 第46-47页 |
| 第4章 基于信息融合的姿态数据质量增强算法 | 第47-58页 |
| 4.1 引言 | 第47页 |
| 4.2 三分量与姿态信息分析 | 第47-51页 |
| 4.3 神经网络进行信息融合方案设计与分析 | 第51-57页 |
| 4.3.1 神经网络信息融合方案设计 | 第51-52页 |
| 4.3.2 实验结果与分析 | 第52-57页 |
| 4.4 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第63-65页 |
| 致谢 | 第65页 |