| 第一章 绪论 | 第1-20页 |
| ·选题背景及研究意义 | 第12-13页 |
| ·FMCW技术的历史、现状及发展 | 第13-17页 |
| ·目前物位系统的信号处理方法 | 第17-18页 |
| ·论文内容 | 第18页 |
| ·本章小结 | 第18-20页 |
| 第二章 LFMCW雷达系统的测量原理 | 第20-28页 |
| ·LFMCW雷达信号及频谱 | 第20-24页 |
| ·差拍信号采样序列的DFT及目标距离的测量 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 人工神经元网络理论基础 | 第28-68页 |
| ·人工神经元及其学习算法 | 第30-36页 |
| ·人工神经元 | 第30-32页 |
| ·神经元学习算法 | 第32-33页 |
| ·人工神经元网络的特征 | 第33-34页 |
| ·人工神经网络的研究意义及其应用 | 第34-36页 |
| ·前馈神经网络 | 第36-44页 |
| ·感知器 | 第37-39页 |
| ·反向传播算法(BP算法) | 第39-44页 |
| ·反馈型神经网络 | 第44-61页 |
| ·Hopfield神经网络 | 第45-54页 |
| ·平衡点的存在与唯一性问题 | 第54-59页 |
| ·基于Hopfield神经网络的优化计算 | 第59-61页 |
| ·最小二乘算法基础 | 第61-66页 |
| ·最小二乘估计的发现 | 第61-63页 |
| ·最小二乘估计的性质及其应用 | 第63-64页 |
| ·最小二乘估计的理论基础 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第四章 神经网络方法对LFMCW雷达的物位信号处理 | 第68-92页 |
| ·最小二乘法实现LFMCW雷达目标距离提取 | 第69-71页 |
| ·LFMCW雷达系统BP神经网络建模 | 第71-82页 |
| ·样本的选取和预处理 | 第71-72页 |
| ·网络结构的设计 | 第72-74页 |
| ·网络的训练和测试 | 第74-75页 |
| ·仿真结果分析 | 第75-80页 |
| ·BP网络存在的问题及改进措施 | 第80-82页 |
| ·用Hopfield能量函数方法实现LFMCW雷达系统的目标距离提取 | 第82-90页 |
| ·LFMCW雷达系统的神经LS算法 | 第82-86页 |
| ·仿真实验及其结果 | 第86-90页 |
| ·本章总结 | 第90-92页 |
| 结束语 | 第92-94页 |
| 参考文献 | 第94-98页 |
| 致谢 | 第98-100页 |
| 攻读硕士期间发表的论文 | 第100页 |