基于遗传小波神经网络的海杂波抑制方法研究
摘要 | 第1-7页 |
Abstract | 第7-14页 |
第1章 绪论 | 第14-18页 |
·课题研究背景及意义 | 第14页 |
·国内外的研究情况 | 第14-16页 |
·国外研究情况 | 第14-15页 |
·国内研究情况 | 第15-16页 |
·主要研究内容与论文结构 | 第16-18页 |
·主要研究内容 | 第16页 |
·论文结构 | 第16-18页 |
第2章 算法基础 | 第18-28页 |
·小波变换与神经网络 | 第18-19页 |
·小波变换 | 第18-19页 |
·神经网络 | 第19页 |
·小波神经网络 | 第19-23页 |
·小波神经网络结构 | 第19-21页 |
·小波神经网络学习算法 | 第21-22页 |
·小波神经网络改进 | 第22-23页 |
·遗传算法 | 第23-26页 |
·遗传算法的概念与特点 | 第23-24页 |
·遗传算法的编码与基本操作 | 第24-26页 |
·本章小结 | 第26-28页 |
第3章 海杂波的统计特性与仿真 | 第28-50页 |
·海杂波的性质 | 第28-29页 |
·海杂波产生机理 | 第28页 |
·海杂波基本参数 | 第28-29页 |
·海杂波的统计特性 | 第29-39页 |
·海杂波幅度分布特性 | 第29-33页 |
·基于遗传算法的参数估计 | 第33-38页 |
·海杂波频谱特性 | 第38-39页 |
·海杂波仿真的基本问题 | 第39-44页 |
·海杂波仿真的基本方法 | 第39-41页 |
·线性滤波器的设计 | 第41-44页 |
·ZMNL 法的海杂波仿真 | 第44-47页 |
·瑞利分布杂波生成方法 | 第44-45页 |
·LN 分布杂波生成方法 | 第45-46页 |
·威布尔分布杂波生成方法 | 第46-47页 |
·SIRP 法 K 分布海杂波的仿真 | 第47-49页 |
·本章小结 | 第49-50页 |
第4章 小波神经网络的海杂波抑制算法 | 第50-68页 |
·小波阈值抑制算法 | 第50-54页 |
·小波阈值算法描述 | 第50-51页 |
·阈值处理 | 第51-53页 |
·仿真实验与结果分析 | 第53-54页 |
·海杂波的混沌特性 | 第54-56页 |
·混沌概念 | 第54-55页 |
·关联维数 | 第55-56页 |
·李雅普诺夫指数 | 第56页 |
·相空间重构 | 第56-60页 |
·相空间重构理论 | 第57页 |
·延迟时间的确定 | 第57-58页 |
·嵌入维数的确定 | 第58-60页 |
·小波神经网络抑制算法 | 第60-61页 |
·海杂波动力学预测模型 | 第60页 |
·小波神经网络抑制算法描述 | 第60-61页 |
·小波神经网络抑制算法应用于雷达实测海杂波 | 第61-67页 |
·IPIX 雷达实测海杂波数据与处理 | 第61-63页 |
·网络参数及结构 | 第63-65页 |
·实验结果与分析 | 第65-67页 |
·本章小结 | 第67-68页 |
第5章 遗传优化小波神经网络的抑制算法 | 第68-76页 |
·遗传算法的改进 | 第68-69页 |
·遗传算法的编码改进 | 第68页 |
·遗传算法的适应度改进 | 第68-69页 |
·遗传算法优化神经网络 | 第69-71页 |
·神经网络连接权值的优化 | 第69-70页 |
·神经网络结构的优化 | 第70页 |
·神经网络学习规则的优化 | 第70-71页 |
·基于遗传小波神经网络优化方法 | 第71-72页 |
·实验仿真与结果分析 | 第72-74页 |
·本章小结 | 第74-76页 |
第6章 软件可视化界面的设计 | 第76-84页 |
·可视化界面的设计思想 | 第76-77页 |
·软件可视化主界面的设计与实现 | 第77-78页 |
·设计思想与步骤 | 第77-78页 |
·主界面效果 | 第78页 |
·海杂波建模界面的实现 | 第78-80页 |
·设计思想与步骤 | 第78-79页 |
·界面效果 | 第79-80页 |
·海杂波仿真界面的实现 | 第80-81页 |
·设计思想与步骤 | 第80页 |
·界面效果 | 第80-81页 |
·海杂波抑制界面的实现 | 第81-83页 |
·设计思想与步骤 | 第81-82页 |
·界面效果 | 第82-83页 |
·本章小结 | 第83-84页 |
总结与展望 | 第84-86页 |
本文总结 | 第84页 |
进一步的研究 | 第84-86页 |
参考文献 | 第86-89页 |
攻读硕士期间发表的学术论文 | 第89-90页 |
致谢 | 第90-91页 |
详细摘要 | 第91-95页 |