| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 激光雷达测风技术研究现状 | 第11-13页 |
| 1.3 风切变探测识别算法研究现状 | 第13-16页 |
| 1.4 本文的主要研究内容 | 第16-18页 |
| 第二章 激光雷达中低空风切变数值模拟的研究 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 影响飞机起降风场的研究与分类 | 第18-23页 |
| 2.2.1 低空风切变类型 | 第18-20页 |
| 2.2.2 低空风切变的强度 | 第20-21页 |
| 2.2.3 低空风切变的天气背景 | 第21-23页 |
| 2.3 三维风切变风场的构建 | 第23-27页 |
| 2.3.1 四种风场的仿真模型 | 第23-24页 |
| 2.3.2 网格的划分及参数的设置 | 第24-26页 |
| 2.3.3 CFD控制方程 | 第26-27页 |
| 2.3.4 数值仿真结果 | 第27页 |
| 2.4 激光雷达模拟探测 | 第27-31页 |
| 2.4.1 雷达扫描方式 | 第28-29页 |
| 2.4.2 雷达PPI图像的仿真 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 激光雷达中基于组合纹理的低空风切变识别方法 | 第32-52页 |
| 3.1 引言 | 第32-33页 |
| 3.2 基于LBP的局部纹理特征提取 | 第33-39页 |
| 3.2.1 LBP算法原理 | 第33-36页 |
| 3.2.2 基于LBP的风场特征提取 | 第36-39页 |
| 3.3 基于灰度-梯度共生矩阵的全局纹理特征提取 | 第39-43页 |
| 3.3.1 灰度-梯度共生矩阵算法原理 | 第39-41页 |
| 3.3.2 激光雷达风切变图像切变值的计算 | 第41-43页 |
| 3.4 基于典型相关分析的纹理特征融合 | 第43-45页 |
| 3.4.1 典型相关分析的数学描述 | 第43-44页 |
| 3.4.2 CCA问题的求解 | 第44-45页 |
| 3.5 应用支持向量机分类器进行识别 | 第45-47页 |
| 3.6 实验结果及分析 | 第47-51页 |
| 3.5.1 不同LBP模式下局部纹理特征识别性能的比较 | 第47-49页 |
| 3.5.2 不同梯度算子下全局纹理特征识别性能的比较 | 第49-50页 |
| 3.5.3 不同纹理特征下识别性能的比较 | 第50-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第四章 基于概率支持向量机的低空风切变分类方法 | 第52-59页 |
| 4.1 引言 | 第52页 |
| 4.2 基于Sigmoid函数的支持向量机概率模型 | 第52-53页 |
| 4.3 基于FCM的支持向量机概率模型 | 第53-56页 |
| 4.3.1 二类问题的概率支持向量机建模方法 | 第53-55页 |
| 4.3.2 多分类概率支持向量机模型 | 第55-56页 |
| 4.4 实验结果及分析 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士期间所发表的论文 | 第66页 |
