离轴电子全息的数值模拟研究
摘要 | 第5-7页 |
Abstract | 第7-9页 |
第一章 绪论 | 第10-25页 |
1.1 引言 | 第10-11页 |
1.2 电子全息简介 | 第11-20页 |
1.2.1 电子全息的发展历史 | 第11-14页 |
1.2.2 离轴电子全息的实验装置 | 第14-16页 |
1.2.3 电子全息的应用 | 第16-20页 |
1.3 电子全息的计算机模拟和数值重现 | 第20页 |
1.4 神经网络 | 第20-22页 |
1.4.1 神经网络的发展历史 | 第20-21页 |
1.4.2 神经网络的特点 | 第21-22页 |
1.4.3 神经网络的应用 | 第22页 |
1.5 遗传算法 | 第22-23页 |
1.5.1 遗传算法的发展历史 | 第22-23页 |
1.5.2 遗传算法的特点 | 第23页 |
1.5.3 遗传算法的应用 | 第23页 |
1.6 本文主要内容 | 第23-25页 |
第二章 傅里叶变换及离轴菲涅尔全息的计算机模拟 | 第25-36页 |
2.1 引言 | 第25页 |
2.2 傅里叶变换 | 第25-27页 |
2.3 抽样定理 | 第27-29页 |
2.4 离轴菲涅尔全息的计算机模拟 | 第29-35页 |
2.4.1 菲涅尔衍射 | 第29-30页 |
2.4.2 离轴菲涅尔全息图的记录和重现 | 第30-32页 |
2.4.3 计算机模拟 | 第32-35页 |
2.5 本章小结 | 第35-36页 |
第三章 离轴像面电子全息图的计算机模拟和滤波重现 | 第36-41页 |
3.1 引言 | 第36页 |
3.2 离轴像面电子全息图的记录与计算机模拟 | 第36-38页 |
3.3 滤波法重现离轴像面电子全息图 | 第38-40页 |
3.4 本章小结 | 第40-41页 |
第四章 应用神经网络法重现离轴电子全息图 | 第41-56页 |
4.1 引言 | 第41页 |
4.2 神经网络基本原理 | 第41-48页 |
4.2.1 人工神经元 | 第41-42页 |
4.2.2 神经网络的构成要素 | 第42-46页 |
4.2.3 误差反向传递神经网络 | 第46-48页 |
4.3 离轴电子全息图的重现 | 第48-49页 |
4.4 重现结果及讨论 | 第49-53页 |
4.4.1 像波函数的展开阶数对重现结果的影响 | 第50-51页 |
4.4.2 参考波波矢对重现结果的影响 | 第51-52页 |
4.4.3 超级像素尺寸对重现结果的影响 | 第52-53页 |
4.5 压缩超级像素神经网络法 | 第53-54页 |
4.6 本章小结 | 第54-56页 |
第五章 应用遗传算法重现离轴电子全息图 | 第56-66页 |
5.1 引言 | 第56页 |
5.2 遗传算法基本原理 | 第56-60页 |
5.2.1 编码 | 第57页 |
5.2.2 适应度函数 | 第57-58页 |
5.2.3 选择 | 第58-59页 |
5.2.4 交叉 | 第59页 |
5.2.5 变异 | 第59-60页 |
5.3 离轴电子全息图的重现 | 第60-61页 |
5.4 重现结果和讨论 | 第61-64页 |
5.4.1 参考波波矢对重现结果的影响 | 第62页 |
5.4.2 超级像素尺寸对重现结果的影响 | 第62-64页 |
5.5 压缩超级像素遗传算法 | 第64-65页 |
5.6 本章小结 | 第65-66页 |
第六章 总结 | 第66-68页 |
参考文献 | 第68-71页 |
致谢 | 第71-72页 |