| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 船舶运动预报国内外研究现状 | 第11-12页 |
| 1.3 本文主要工作 | 第12-14页 |
| 第2章 预备知识介绍 | 第14-27页 |
| 2.1 快速傅立叶变换 | 第14-21页 |
| 2.2 卡尔曼滤波 | 第21-24页 |
| 2.3 神经网络 | 第24-26页 |
| 2.3.1 神经元 | 第24-25页 |
| 2.3.2 神经网络的分类与结构 | 第25页 |
| 2.3.3 神经网络的学习算法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于卡尔曼滤波的船舶升沉运动预报研究 | 第27-41页 |
| 3.1 船舶升沉位置的估计 | 第27-31页 |
| 3.2 基于卡尔曼滤波的船舶升沉运动预报 | 第31-34页 |
| 3.3 仿真验证与结果分析 | 第34-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 基于RBF神经网络的船舶升沉运动预报研究 | 第41-49页 |
| 4.1 RBF神经网络结构及其数学模型描述 | 第41-42页 |
| 4.2 RBF神经网络的学习算法 | 第42-44页 |
| 4.3 基于RBF神经网络的船舶升沉运动预报 | 第44-45页 |
| 4.3.1 船舶升沉位置数据的归一化处理 | 第44页 |
| 4.3.2 基于RBF神经网络的预报模型设计 | 第44-45页 |
| 4.4 仿真验证与结果分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 基于Elman神经网络的船舶升沉运动预报研究 | 第49-57页 |
| 5.1 Elman神经网络结构及其数学模型描述 | 第49-50页 |
| 5.2 Elman神经网络的学习算法 | 第50-52页 |
| 5.3 基于Elman神经网络的船舶升沉运动预报 | 第52-53页 |
| 5.3.1 船舶升沉位置数据的归一化处理 | 第52页 |
| 5.3.2 基于Elman神经网络的预报模型设计 | 第52-53页 |
| 5.4 仿真验证与结果分析 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |