| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·国外研究现状 | 第11-13页 |
| ·国内研究现状 | 第13-14页 |
| ·论文的主要研究内容 | 第14-17页 |
| 第2章 海面风场遥测系统 | 第17-30页 |
| ·海面风场遥测的相关概念 | 第17-20页 |
| ·雷达散射截面积 | 第17-18页 |
| ·雷达的作用距离 | 第18-19页 |
| ·海面粗糙度 | 第19-20页 |
| ·布拉格散射 | 第20页 |
| ·海面风场遥测系统基本工作原理 | 第20-22页 |
| ·基于海洋遥测系统的海面风场反演算法 | 第22-29页 |
| ·基于经典光流运动的海面风场反演算法 | 第22-27页 |
| ·基于梯度和 BP 神经网络的反演算法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 雷达图像反演海面风场关键技术 | 第30-40页 |
| ·数字图像处理技术 | 第30-35页 |
| ·图像特征表示方法 | 第31-33页 |
| ·图像平滑技术 | 第33-34页 |
| ·图像锐化技术 | 第34-35页 |
| ·BP 神经网络技术 | 第35-39页 |
| ·BP 神经网络模型 | 第36-37页 |
| ·BP 神经网络学习算法 | 第37-38页 |
| ·BP 神经网络的程序实现 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于梯度和 BP 神经网络的海面风场反演算法 | 第40-52页 |
| ·雷达图像和风矢量基本知识 | 第40-43页 |
| ·雷达图像的特征 | 第40-41页 |
| ·风的基本特征 | 第41-43页 |
| ·基于梯度的风向反演算法 | 第43-46页 |
| ·基于 BP 神经网络的风速反演算法 | 第46-51页 |
| ·神经网络在风速反演上的优势 | 第46-47页 |
| ·BP 神经网络模型的设计 | 第47-48页 |
| ·BP 神经网络的训练与测试 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于实测数据的海面风场反演仿真与结果分析 | 第52-70页 |
| ·岸基实验系统描述 | 第52-56页 |
| ·实验地点和系统组成 | 第52-53页 |
| ·实验仪器设备简介 | 第53-56页 |
| ·基于梯度和 BP 神经网络的海面风场反演算法仿真结果及分析 | 第56-68页 |
| ·海洋风场风向反演结果及分析 | 第57-59页 |
| ·海洋风场风速反演结果及分析 | 第59-68页 |
| ·本章小结 | 第68-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第76-77页 |
| 致谢 | 第77页 |