基于人工智能的對流層大氣波導反演關鍵技術

第 1 章 緒論
1.1 選題背景及研究意義
1.2 國內(nèi)外研究發(fā)展現(xiàn)狀
1.2.1 海上對流層波導環(huán)境特性研究
1.2.2 海上對流層波導環(huán)境傳播理論研究
1.2.3 海上對流層波導的反演技術
1.2.4 深度學習技術研究概況
1.2.5 基于 CiteSpace 軟件大氣波導研究未來趨勢分析
1.3 關鍵問題及創(chuàng)新點
1.3.1 關鍵問題
1.3.2 創(chuàng)新點
1.4 本書研究內(nèi)容
1.5 本書章節(jié)安排
參考文獻
第 2 章 對流層大氣波導分類及波導傳播基本理論
2.1 對流層大氣波導分類及形成機制
2.1.1 蒸發(fā)波導
2.1.2 表面波導
2.1.3 懸空波導
2.2 對流層大氣波導傳播條件
2.3 對流層大氣波導預測模型
2.3.1 MGB 模型
2.3.2 BYC 模型
2.3.3 NPS 模型
2.4 拋物方程模型
2.4.1 拋物方程的初始場與邊界條件
2.4.2 傳播損耗計算過程
2.4.3 雷達海雜波回波信號的大氣波導傳播分析
2.5 本章小結
參考文獻
第 3 章 基于深度學習的對流層波導環(huán)境驅動傳播損耗預測
3.1 引言
3.2 中國渤海氣象環(huán)境及微波超視距傳播試驗介紹
3.3 一維卷積自動編碼器網(wǎng)絡實現(xiàn)數(shù)據(jù)去噪
3.3.1 一維卷積自動編碼器網(wǎng)絡架構設計
3.3.2 網(wǎng)絡性能分析
3.4 基于 SL-TrellisNets 網(wǎng)絡的超視距傳播損耗預測
3.4.1 SL-TrellisNets 網(wǎng)絡架構設計
3.4.2 網(wǎng)絡性能分析
3.5 環(huán)境知識驅動超視距預測分析
3.5.1 黃渤海環(huán)境知識對超視距傳播損耗預報必要性
3.5.2 五種不同環(huán)境知識對超視距傳播損耗預測的影響
3.6 本章小結
參考文獻
第 4 章 基于深度學習的水平非均勻對流層波導剖面反演
4.1 引言
4.2 水平非均勻蒸發(fā)波導剖面參數(shù)建模
4.3 雷達海雜波反演大氣波導基本過程
4.4 基于一維殘差卷積自動編碼器的水平非均勻大氣波導降維
4.4.1 降維網(wǎng)絡架構設計
4.4.2 網(wǎng)絡性能分析
4.5 基于 MSCA-ResNet 的水平非均勻蒸發(fā)波導剖面反演
4.5.1 MSCA-ResNet 網(wǎng)絡架構設計
4.5.2 網(wǎng)絡性能分析
4.6 基于 FCCT - Transformer 的水平非均勻表面波導反演
4.6.1 FCCT - Transformer 網(wǎng)絡整體流程
4.6.2 網(wǎng)絡性能分析
4.7 本章小結
參考文獻
第 5 章 基于二維馬爾可夫鏈的全方位非均勻蒸發(fā)波導剖面建模
5.1 引言
5.2 馬爾可夫鏈建模方法
5.3 耦合二維馬爾可夫鏈模型
5.3.1 基本假設
5.3.2 二維馬爾可夫鏈條件概率
5.4 耦合二維馬爾可夫鏈對方向的模擬計算
5.5 轉移概率矩陣的計算
5.5.1 豎向轉移概率矩陣估計
5.5.2 橫向的轉移概率矩陣估計
5.5.3 K 值估計
5.5.4 算法流程
5.6 基于改進的二維馬爾可夫鏈的蒸發(fā)波導模擬驗證
5.6.1 二維馬爾可夫鏈空間模擬矩陣估計
5.6.2 蒸發(fā)波導高度 K 值驗證
5.7 本章小結
參考文獻
第 6 章 基于深度學習的全方位非均勻蒸發(fā)波導剖面反演
6.1 引言
6.2 全空間非均勻蒸發(fā)波導剖面建模
6.3 基于 MM-VIT 模型的全空間非均勻蒸發(fā)波導反演
6.3.1 網(wǎng)絡整體流程
6.3.2 網(wǎng)絡性能分析
6.4 全方位導航雷達安裝部署
6.4.1 系統(tǒng)組成框圖
6.4.2 全方位導航雷達軟件安裝部署
6.5 本章小結
參考文獻