基于神经网络的无源时差定位算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题背景、目的及意义 | 第10-11页 |
| ·无源时差定位技术的发展现状 | 第11-13页 |
| ·神经网络的发展与现状 | 第13-15页 |
| ·本文主要工作以及章节安排 | 第15-17页 |
| ·本文主要工作 | 第15页 |
| ·本文章节安排 | 第15-17页 |
| 第二章 定位模型及算法分析 | 第17-23页 |
| ·总体定位系统设计 | 第17页 |
| ·测试系统组成及工作过程 | 第17-18页 |
| ·系统组成及技术指标 | 第17-18页 |
| ·系统工作过程 | 第18页 |
| ·时差定位模型 | 第18-22页 |
| ·基于外同步的时差定位模型 | 第19-20页 |
| ·基于内同步的时差定位模型 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 神经网络理论基础 | 第23-34页 |
| ·神经网络概述 | 第23-25页 |
| ·神经网络的结构 | 第24-25页 |
| ·激活函数 | 第25页 |
| ·BP 神经网络模型 | 第25-29页 |
| ·BP 神经网络算法原理 | 第26-28页 |
| ·BP 神经网络的不足 | 第28-29页 |
| ·径向基网络模型 | 第29-33页 |
| ·RBF 神经网络算法原理 | 第29-31页 |
| ·RBF 网络的特点 | 第31-32页 |
| ·RBF 网络与BP 网络的性能比较 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于神经网络的时差定位模型 | 第34-53页 |
| ·理想实验数据产生 | 第34-36页 |
| ·初始条件的选择 | 第34页 |
| ·理想数据的产生 | 第34-36页 |
| ·基于神经网络的时差定位方法概述 | 第36-37页 |
| ·基于BP 网络的定位模型设计 | 第37-46页 |
| ·BP 神经网络的建立 | 第37-40页 |
| ·BP 神经网络的训练参数选择 | 第40-42页 |
| ·BP 神经网络的训练 | 第42-43页 |
| ·BP 神经网络的仿真结果与误差分析 | 第43-46页 |
| ·基于RBF 网络的定位模型设计 | 第46-52页 |
| ·RBF 神经网络的建立 | 第46-47页 |
| ·RBF 神经网络函数中心的选取 | 第47-48页 |
| ·RBF 神经网络的训练 | 第48-50页 |
| ·RBF 神经网络的仿真结果与误差分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于神经网络的定位模型性能测试 | 第53-62页 |
| ·基于理想数据的神经网络性能测试 | 第53-57页 |
| ·BP 网络性能测试 | 第53-54页 |
| ·RBF 网络性能测试 | 第54-56页 |
| ·BP 网络与RBF 网络测试结果误差对比 | 第56-57页 |
| ·基于有偏差的数据的神经网络性能测试 | 第57-61页 |
| ·BP 网络性能测试 | 第57-58页 |
| ·RBF 网络性能测试 | 第58-60页 |
| ·BP 网络与RBF 网络测试结果误差对比 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·结论 | 第62页 |
| ·问题与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文及所取得得研究成果 | 第68-69页 |
| 致谢 | 第69页 |
