天波超视距雷达海面回波多普勒谱研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| §1.1 研究背景和意义 | 第9-11页 |
| §1.2 天波超视距雷达的国内外研究动态 | 第11-14页 |
| §1.2.1 国外的研究与应用 | 第11-13页 |
| §1.2.2 国内的研究与应用 | 第13-14页 |
| §1.3 超视距雷达探测海洋回波 | 第14-16页 |
| §1.4 本文的主要内容 | 第16-19页 |
| 第二章 海洋回波高频段的散射特性及海杂波的模拟 | 第19-33页 |
| §2.1 海洋回波在高频段的散射特性 | 第19-25页 |
| §2.1.1 海浪与海浪谱 | 第19-21页 |
| §2.1.2 一阶海杂波产生机理 | 第21-22页 |
| §2.1.3 一阶散射强度 | 第22页 |
| §2.1.4 二阶海杂波产生机理 | 第22-23页 |
| §2.1.5 二阶散射强度 | 第23-25页 |
| §2.2 海洋回波谱的数值模拟及分布特点 | 第25-31页 |
| §2.2.1 雷达海洋回波谱的数字模拟方法 | 第25-28页 |
| §2.2.2 雷达海洋回波谱的数字模拟 | 第28-30页 |
| §2.2.3 海杂波谱的分布特点 | 第30-31页 |
| §2.3 本章小结 | 第31-33页 |
| 第三章 一阶天波超视距雷达海杂波特性研究 | 第33-41页 |
| §3.1 一阶海杂波平均后向散射系数模型 | 第33-37页 |
| §3.2 一阶海杂波后向散射特性仿真分析 | 第37-40页 |
| §3.2.1 一阶海杂波后向散射特性仿真 | 第37-38页 |
| §3.2.2 探测环境各参数对后向散射系数的影响 | 第38-40页 |
| §3.3 本章小结 | 第40-41页 |
| 第四章 基于高频雷达多普勒谱预测风向 | 第41-59页 |
| §4.1 高频雷达一阶多普勒谱与风向的关系 | 第41-43页 |
| §4.2 风向的反演方法 | 第43-48页 |
| §4.2.1 Long-Trizna 法 | 第43-44页 |
| §4.2.2 SBM 法 | 第44-45页 |
| §4.2.3 Heron-Rose 法 | 第45-46页 |
| §4.2.4 线性关系法 | 第46页 |
| §4.2.5 多波束最小差值法 | 第46-47页 |
| §4.2.6 基于遗传算法的海面风向提取 | 第47-48页 |
| §4.3 基于神经网络预测海面风向 | 第48-58页 |
| §4.3.1 神经网络的发展与现状 | 第49-51页 |
| §4.3.2 BP 神经网络基本理论 | 第51-54页 |
| §4.3.3 基于 BP 神经网络预测海面风向 | 第54-56页 |
| §4.3.4 预测结果与分析 | 第56-58页 |
| §4.4 本章小结 | 第58-59页 |
| 第五章 海杂波背景下基于神经网络的目标检测 | 第59-77页 |
| §5.1 舰载海杂波的展宽机理 | 第60-62页 |
| §5.2 基于神经网络的海杂波模型 | 第62-68页 |
| §5.2.1 相空间重构 | 第62-65页 |
| §5.2.2 构造海杂波预测方程 | 第65-66页 |
| §5.2.3 海杂波预测和对消 | 第66-68页 |
| §5.3 基于均匀线阵的 MUSIC 算法 | 第68-73页 |
| §5.3.1 数学模型 | 第69-70页 |
| §5.3.2 MUSIC 算法的基本原理 | 第70页 |
| §5.3.3 改进的 MUSIC 算法的原理 | 第70-73页 |
| §5.4 数据处理结果与分析 | 第73-76页 |
| §5.5 本章小结 | 第76-77页 |
| 结束语 | 第77-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 攻读硕士期间科研与发表论文情况 | 第87-88页 |
