| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 1 绪论 | 第14-30页 |
| ·研究背景 | 第14-15页 |
| ·声学方法反演海底参数研究概述 | 第15-23页 |
| ·反演问题的一般概念 | 第15-18页 |
| ·海底参数的声学反演问题 | 第18-19页 |
| ·海底参数反演问题的正演模型 | 第19-21页 |
| ·海底参数反演问题的非线性解法 | 第21-23页 |
| ·国内外混响反演海底参数研究现状 | 第23-27页 |
| ·海洋混响的基本概念 | 第23-24页 |
| ·海洋混响的正演理论研究 | 第24-25页 |
| ·混响反演海底参数研究 | 第25-27页 |
| ·论文的研究内容和组织结构 | 第27-30页 |
| 2 贝叶斯统计反演方法 | 第30-49页 |
| ·引言 | 第30-31页 |
| ·贝叶斯统计反演理论 | 第31-35页 |
| ·一般公式 | 第31-32页 |
| ·似然函数、误差函数和代价函数 | 第32-35页 |
| ·参数后验概率密度（PPD）的数值求解方法 | 第35-45页 |
| ·穷举搜索法（也称网格搜索法） | 第36-37页 |
| ·Monte-Carlo 采样方法（即随机采样法） | 第37页 |
| ·多重MAP 估计 | 第37-39页 |
| ·Markov-Chain-Monte-Carlo（MCMC）采样方法 | 第39-43页 |
| ·基本步骤 | 第39-42页 |
| ·MCMC 采样器 | 第42-43页 |
| ·最近邻域插值近似方法 | 第43-45页 |
| ·本章小结 | 第45-49页 |
| ·各种参数PPD 采样算法的比较 | 第45-47页 |
| ·贝叶斯统计反演技术路线 | 第47-49页 |
| 3 基于高频混响传播时间统计特性的海底界面统计参数反演 | 第49-66页 |
| ·引言 | 第49-50页 |
| ·基本问题描述 | 第50-52页 |
| ·包含两种相交情形的一般方程 | 第52-53页 |
| ·界面高度与斜率相关情况下的正演模型 | 第53-62页 |
| ·传播时间的PDF | 第54-57页 |
| ·传播时间的中值 | 第57-59页 |
| ·第一个和第二个返回的混响信号的传播时间延迟 | 第59-62页 |
| ·界面统计参数反演策略 | 第62-63页 |
| ·数值仿真实例 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 4 浅海混响垂直相关统计反演海底声参数 | 第66-90页 |
| ·引言 | 第66-67页 |
| ·浅海混响简正波理论 | 第67-72页 |
| ·混响垂直相关的正演模型 | 第72-74页 |
| ·实验数据采集与预处理 | 第74-76页 |
| ·单频独立反演 | 第76-81页 |
| ·反演策略 | 第76-78页 |
| ·海底声参数反演结果 | 第78-81页 |
| ·多频联合反演 | 第81-85页 |
| ·反演策略 | 第82-83页 |
| ·反演结果与分析 | 第83-85页 |
| ·反演结果的验证——简正波分离 | 第85-88页 |
| ·本章小结 | 第88-90页 |
| 5 基于支持向量机的参数PPD 求解方法研究 | 第90-113页 |
| ·引言 | 第90-92页 |
| ·机器学习的基本问题 | 第92-94页 |
| ·学习问题的表示 | 第92-93页 |
| ·经验风险最小化原则 | 第93-94页 |
| ·复杂性与泛化能力 | 第94页 |
| ·统计学习理论与支持向量机回归算法 | 第94-100页 |
| ·统计学习理论 | 第94-97页 |
| ·VC 维 | 第95-96页 |
| ·泛化能力的界 | 第96页 |
| ·结构风险最小化原则 | 第96-97页 |
| ·非线性支持向量机回归算法 | 第97-100页 |
| ·支持向量机参数的选择方法 | 第100页 |
| ·SVMA 算法的基本流程 | 第100-102页 |
| ·数值仿真实例 | 第102-108页 |
| ·海洋环境基本参数 | 第102-103页 |
| ·SVMA 方法与其它参数PPD 求解方法的比较 | 第103-106页 |
| ·不同信噪比情况下参数PPD 的估计结果 | 第106-108页 |
| ·实验数据处理结果 | 第108-111页 |
| ·本章小结 | 第111-113页 |
| 6 总结 | 第113-114页 |
| 参考文献 | 第114-122页 |
| 附录A 参数坐标变换 | 第122页 |
| 附录B 最近邻域插值算法 | 第122-123页 |
| 附录C 参数先验区间的自适应调整算法 | 第123-124页 |
| 附录D 随机函数的EXCURSION 原理 | 第124-127页 |
| 附录E 灵敏度分析方法 | 第127-128页 |
| 致谢 | 第128-129页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第129页 |
