摘要 | 第1-6页 |
Abstract | 第6-9页 |
第一章 绪论 | 第9-15页 |
§1.1 研究背景及意义 | 第9-10页 |
§1.2 国内外研究动态 | 第10-12页 |
§1.2.1 粗糙面双向反射分布函数的研究现状 | 第10-12页 |
§1.2.2 粗糙面逆散射问题的研究现状 | 第12页 |
§1.3 论文的主要内容及框架 | 第12-15页 |
第二章 粗糙面电磁散射的基本理论 | 第15-25页 |
§2.1 粗糙面粗糙程度的分类方法 | 第15-16页 |
§2.2 粗糙面的基本知识 | 第16-21页 |
§2.2.1 统计参量 | 第16-18页 |
§2.2.2 双向反射分布函数 | 第18-19页 |
§2.2.3 雷达散射截面 | 第19-20页 |
§2.2.4 半球反射率的概念 | 第20页 |
§2.2.5 双向反射分布函数和雷达散射截面的关系 | 第20-21页 |
§2.3 双向反射分布函数的经验模型 | 第21-24页 |
§2.4 本章小结 | 第24-25页 |
第三章 矩量法在粗糙面电磁散射中的应用 | 第25-37页 |
§3.1 矩量法的基本原理 | 第25-27页 |
§3.2 MoM 在粗糙面电磁散射中的应用 | 第27-32页 |
§3.2.1 MoM 在一维导体和介质粗糙面电磁散射中的应用 | 第27-30页 |
§3.2.2 双站雷达散射系数求解的过程 | 第30-32页 |
§3.3 粗糙面电磁散射数值计算结果 | 第32-36页 |
§3.3.1 一维导体粗糙面电磁散射数值计算结果 | 第32-34页 |
§3.3.2 一维介质粗糙面电磁散射数值计算结果 | 第34-36页 |
§3.4 本章小结 | 第36-37页 |
第四章 基于遗传算法的粗糙面微波段 BRDF 建模 | 第37-47页 |
§4.1 遗传算法的基本知识 | 第37-40页 |
§4.1.1 遗传算法的简介 | 第37-38页 |
§4.1.2 遗传算法的运算过程 | 第38-40页 |
§4.2 粗糙面微波段 BRDF 的优化建模 | 第40-46页 |
§4.2.1 一维理想导体粗糙面微波段 BRDF 建模 | 第41-43页 |
§4.2.2 一维介质粗糙面微波段 BRDF 建模 | 第43-46页 |
§4.3 本章小结 | 第46-47页 |
第五章 粗糙面相关参数的反演 | 第47-65页 |
§5.1 支持向量机在粗糙面参数反演中的应用 | 第47-51页 |
§5.1.1 支持向量机简介 | 第47-49页 |
§5.1.2 支持向量机在粗糙面参数反演中的步骤 | 第49-51页 |
§5.2 神经网络在粗糙面参数反演中的应用 | 第51-55页 |
§5.2.1 神经网络算法简介 | 第51-54页 |
§5.2.2 神经网络反演粗糙面参数的步骤 | 第54-55页 |
§5.3 粗糙面参数的反演 | 第55-63页 |
§5.3.1 训练样本数较小时粗糙面参数的反演 | 第55-59页 |
§5.3.2 训练样本数较大时粗糙面参数的反演 | 第59-63页 |
§5.4 本章小结 | 第63-65页 |
结束语 | 第65-67页 |
致谢 | 第67-69页 |
参考文献 | 第69-75页 |
作者攻读硕士期间参加的科研项目及撰写论文情况 | 第75-76页 |