基于遗传小波神经网络的海杂波抑制算法研究及应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究的背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文主要研究内容及结构安排 | 第11-13页 |
| 第2章 海杂波的特性分析及抑制技术分析 | 第13-27页 |
| ·海杂波的统计特性 | 第13-18页 |
| ·海杂波的幅度特性 | 第13-17页 |
| ·海杂波的相关特性 | 第17-18页 |
| ·海杂波的混沌特性分析 | 第18-24页 |
| ·混沌的概念 | 第18-19页 |
| ·Lyapunov指数 | 第19-20页 |
| ·相关维数 | 第20-22页 |
| ·Kolmogorov熵 | 第22-24页 |
| ·海杂波抑制技术分析 | 第24-26页 |
| ·海杂波的抑制模型 | 第24页 |
| ·海杂波的抑制方法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 相空间重构理论 | 第27-37页 |
| ·相空间重构理论 | 第27-35页 |
| ·确定时间延迟τ的方法 | 第29-31页 |
| ·确定嵌入维数m的方法 | 第31-35页 |
| ·相空间重构方法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 小波神经网络在海杂波抑制研究中的应用 | 第37-53页 |
| ·小波分析的基本理论 | 第37-40页 |
| ·小波变换 | 第37-38页 |
| ·小波变换的时频局部化特性 | 第38-39页 |
| ·小波函数 | 第39-40页 |
| ·小波神经网络 | 第40-44页 |
| ·小波神经网络算法推导 | 第41-43页 |
| ·小波神经网络算法的改进 | 第43-44页 |
| ·基于小波神经网络的海杂波抑制 | 第44-45页 |
| ·仿真实验 | 第45-52页 |
| ·数据来源与处理 | 第45-47页 |
| ·确定参数及网络结构 | 第47-50页 |
| ·实验结果分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 遗传小波神经网络在海杂波抑制上的应用 | 第53-65页 |
| ·遗传算法概述 | 第53-55页 |
| ·遗传算法的基本操作 | 第54-55页 |
| ·遗传算法的编码 | 第55页 |
| ·遗传算法的适应度及其调整 | 第55页 |
| ·遗传算法对神经网络的优化 | 第55-57页 |
| ·神经网络连接权的优化 | 第56页 |
| ·神经网络结构的进化 | 第56-57页 |
| ·神经网络学习规则的优化 | 第57页 |
| ·基于遗传算法的小波神经网络优化方法 | 第57-59页 |
| ·仿真实验 | 第59-61页 |
| ·结果分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73页 |
