| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-21页 |
| ·研究背景 | 第13页 |
| ·国内外研究现状及发展动态 | 第13-20页 |
| ·测量方法的评估研究 | 第14-17页 |
| ·数值方法的预测分析 | 第17页 |
| ·高频方法的预测分析 | 第17-18页 |
| ·电磁场仿真软件的应用 | 第18-19页 |
| ·计算智能方法的应用 | 第19-20页 |
| ·本文研究内容及结构安排 | 第20-21页 |
| 第二章 PED 对飞机导航无线电系统电磁兼容性的分析及评估 | 第21-33页 |
| ·引言 | 第21-22页 |
| ·舱内 PED 电磁干扰耦合机理 | 第22-27页 |
| ·干扰源 | 第22-24页 |
| ·耦合途径 | 第24-25页 |
| ·敏感设备 | 第25-27页 |
| ·测量方法 | 第27-30页 |
| ·PED 杂散辐射发射测量 | 第27-29页 |
| ·前门干扰路径损耗测量 | 第29-30页 |
| ·评估方法 | 第30-32页 |
| ·小结 | 第32-33页 |
| 第三章 神经网络 | 第33-45页 |
| ·引言 | 第33页 |
| ·多层前向神经网络及学习算法 | 第33-40页 |
| ·神经网络数学模型 | 第33-36页 |
| ·BP 算法及其改进算法 | 第36-40页 |
| ·神经网络设置及性能评价 | 第40-41页 |
| ·算例 1 神经网络非线性函数预测 | 第41-42页 |
| ·算例 2 B757 简易模型仿真与预测 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第四章 智能优化算法 | 第45-61页 |
| ·引言 | 第45页 |
| ·遗传算法 | 第45-49页 |
| ·编码方式 | 第46页 |
| ·初始化种群与适应度函数 | 第46-47页 |
| ·选择概率分配与选择算子 | 第47-48页 |
| ·交叉与变异 | 第48-49页 |
| ·遗传算法优化神经网络 | 第49-51页 |
| ·算例 1 遗传算法用于非线性函数寻优 | 第51-52页 |
| ·算例 2 遗传神经网络算例 | 第52-54页 |
| ·粒子群优化算法 | 第54-57页 |
| ·基本粒子群优化算法 | 第54-56页 |
| ·带惯性权重的粒子群优化算法 | 第56-57页 |
| ·粒子的邻域拓扑结构 | 第57页 |
| ·粒子群优化神经网络 | 第57-58页 |
| ·算例 3 粒子群优化算法用于非线性函数寻优 | 第58页 |
| ·算例 4 多维 Rastrigin 函数寻优 | 第58-59页 |
| ·小结 | 第59-61页 |
| 第五章 IPL 数据分析及预测 | 第61-82页 |
| ·引言 | 第61页 |
| ·IPL 测量数据 | 第61-62页 |
| ·IPL 数据分析 | 第62-74页 |
| ·A319-100 | 第62-65页 |
| ·A320-200 | 第65-68页 |
| ·B737-200 | 第68-70页 |
| ·B757-200 | 第70-74页 |
| ·IPL 预测 | 第74-81页 |
| ·特征参数选取 | 第74-75页 |
| ·神经网络预测 IPL | 第75-78页 |
| ·遗传神经网络预测 IPL | 第78-79页 |
| ·粒子群神经网络预测 IPL | 第79-81页 |
| ·小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| ·总结 | 第82页 |
| ·展望 | 第82-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90-91页 |
| 在学期间的研究成果及发表的学术论文 | 第91页 |