首页--天文学、地球科学论文--海洋学论文--海洋调查与观测论文--调查及观测方法论文

多波束测深声呐海底底质分类技术研究

摘要第5-7页
ABSTRACT第7-9页
第1章 绪论第13-29页
    1.1 引言第13-14页
    1.2 海底底质的声学分类研究进展第14-21页
        1.2.1 海底底质声学分类技术简介第14-16页
        1.2.2 海底表层底质声学探测设备与分类软件系统第16-19页
        1.2.3 海底底质类型的划分方法第19-21页
    1.3 国内外多波束测深声呐海底底质分类技术研究进展第21-26页
        1.3.1 基于多波束测深声呐的反向散射强度估计与成像技术第22-23页
        1.3.2 多波束海底反向散射数据统计特性研究第23-24页
        1.3.3 基于多波束反向散射数据的特征提取方法研究第24-25页
        1.3.4 基于多波束测深声呐的分类器应用技术研究第25-26页
    1.4 论文主要内容结构第26-29页
第2章 多波束测深声呐海底反向散射成像技术研究第29-59页
    2.1 引言第29页
    2.2 多波束测深声呐海底反向散射成像方法第29-35页
        2.2.1 波束—强度法第29-31页
        2.2.2 伪侧扫法第31-32页
        2.2.3 snippet法第32-35页
        2.2.4 成像方法的选择第35页
    2.3 基于多波束相干算法的海底成像方法第35-44页
        2.3.1 多波束相干算法原理第35-36页
        2.3.2 噪声环境下的多波束相位差序列估计第36-40页
        2.3.3 海底检测点的回波强度估计第40-41页
        2.3.4 海底检测点的空间位置归算第41-44页
        2.3.5 性能分析第44页
    2.4 反向散射强度的估计第44-47页
        2.4.1 传播损失第44-45页
        2.4.2 有效声照射面积第45-46页
        2.4.3 海底局部斜坡修正第46-47页
    2.5 海底反向散射强度的角度关系确定与剔除第47-49页
        2.5.1 模型预测法第47-48页
        2.5.2 经验修正法第48-49页
    2.6 试验数据处理第49-58页
    2.7 本章小结第58-59页
第3章 多波束海底反向散射数据统计特性研究第59-81页
    3.1 引言第59页
    3.2 多波束反向散射数据的统计起伏现象第59-61页
    3.3 海底反向散射信号幅度的K分布模型第61-62页
    3.4 反向散射强度数据的统计分布特性第62-66页
        3.4.1 概率密度分布第62-64页
        3.4.2 参数估计第64-65页
        3.4.3 反向散射强度概率分布的高斯近似局限性第65-66页
    3.5 仿真分析第66-68页
    3.6 试验数据处理与分析第68-79页
        3.6.1 试验数据说明第68-70页
        3.6.2 反向散射强度数据的概率分布检验第70-76页
        3.6.3 模型参数的特性分析第76-79页
    3.7 本章小结第79-81页
第4章 多源信息特征提取及其分类特性的试验分析第81-99页
    4.1 引言第81页
    4.2 基于数据概率分布特性的特征提取第81-82页
    4.3 基于灰度共生矩阵的纹理特征提取第82-84页
        4.3.1 灰度共生矩阵第82-83页
        4.3.2 灰度共生矩阵的特征参数第83-84页
    4.4 基于功率谱比的Pace特征第84-86页
    4.5 海底图像特征分类性能试验分析第86-95页
        4.5.1 图像样本窗大小对分类结果的影响第86-87页
        4.5.2 特征量的分类性能分析第87-95页
    4.6 基于角度响应曲线的特征提取与分类性能分析第95-98页
        4.6.1 反向散射强度数据的角度响应曲线与特征提取第95-96页
        4.6.2 分类特征的仿真分析第96-97页
        4.6.3 分类特征的试验数据处理与分析第97-98页
    4.7 本章小结第98-99页
第5章 多源特征合成核SVM的多波束底质分类研究第99-113页
    5.1 引言第99页
    5.2 SVM分类原理第99-101页
        5.2.1 线性SVM分类第99-100页
        5.2.2 非线性SVM分类第100-101页
    5.3 基于合成核SVM的分类方法第101-104页
        5.3.1 合成核函数的构造第101-102页
        5.3.2 特征向量的分组第102-103页
        5.3.3 分类器参数的搜索方法第103-104页
        5.3.4 分类正确率评价第104页
    5.4 试验数据处理与分析第104-111页
        5.4.1 合成核SVM分类正确率与单核SVM的比较第104-110页
        5.4.2 典型区域整体分类效果图第110-111页
    5.5 本章小结第111-113页
结论第113-117页
参考文献第117-129页
攻读博士学位期间发表的论文和取得的科研成果第129-131页
致谢第131页

论文共131页,点击 下载论文
上一篇:《使女的故事》中使女被规训的身体
下一篇:高中英语课堂交互式语言教学应用研究