| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及国内外发展史 | 第9-11页 |
| 1.2 研究意义及研究内容 | 第11-12页 |
| 1.3 论文结构 | 第12页 |
| 1.4 气溶胶的简介 | 第12-13页 |
| 1.5 气溶胶粒子的微物理特性 | 第13-16页 |
| 1.6 气溶胶的光学特性 | 第16-18页 |
| 第二章 小波分析理论 | 第18-28页 |
| 2.1 小波分析基础 | 第18-19页 |
| 2.2 连续小波变化 | 第19-20页 |
| 2.3 离散小波变换 | 第20-22页 |
| 2.4 多分辨分析 | 第22-24页 |
| 2.5 小波包分解 | 第24-26页 |
| 2.6 小波分析的应用 | 第26-28页 |
| 第三章 基于自适应小波神经网络的激光雷达信号消噪算法研究 | 第28-41页 |
| 3.1 米散射激光雷达系统方程 | 第28页 |
| 3.2 神经网络的构造 | 第28-31页 |
| 3.3 自适应小波神经网络构建 | 第31-34页 |
| 3.4 自适应BP小波神经网络训练及自适应BP小波神经网络消噪 | 第34-36页 |
| 3.5 自适应BP小波神经网络消噪算法的Matlab实现 | 第36-41页 |
| 第四章 小波分析反演气溶胶粒子谱算法的研究 | 第41-52页 |
| 4.1 球形Mie散射理论 | 第41-42页 |
| 4.2 CE-318 太阳光度计反演气溶胶光学厚度简介 | 第42-45页 |
| 4.3 小波分析方法反演气溶胶粒子谱 | 第45-48页 |
| 4.4 小波Galerkin方法反演气溶胶粒子谱的Matlab实现及流程图 | 第48-50页 |
| 4.5 小波Galerkin方法反演气溶胶粒子谱分布 | 第50-52页 |
| 第五章 自适应小波神经网络对激光雷达信号消噪结果分析比较 | 第52-61页 |
| 5.1 Mie散射激光雷达系统参数及回波信号分析 | 第52-53页 |
| 5.2 小波分析对激光雷达回波信号消噪结果分析比较 | 第53-54页 |
| 5.3 自适应BP小波神经网络对激光雷达回波信号消噪结果分析比较 | 第54-57页 |
| 5.4 四种消噪算法评价参数比较 | 第57-58页 |
| 5.5 气溶胶消光系数的消噪结果比较 | 第58-61页 |
| 第六章 小波分析反演气溶胶粒子谱分布结果分析与比较 | 第61-70页 |
| 6.1 不同天气状况下光学厚度和粒子谱分布的日平均变化 | 第61-67页 |
| 6.2 四季平均光学厚度和气溶胶粒子谱分析比较 | 第67-70页 |
| 第七章 总结展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 个人简介 | 第76页 |
