海上大气波导是大气中的一种异常传播现象，具有重要的军事和民用应用价值。本书针对当前大气波导实时监测技术无法满足军事及民用需求的现状，从船舶自动识别系统（AIS）设备的工作原理、数据组成等内容入手，研究基于AIS信号的大气波导监测技术，形成利用民用AIS数据进行大气波导监测的理论体系，为构建“岸海衔接、时空一致、全球一体”的大气波导监测网提供技术支撑。

第1章 绪论
1.1 研究背景和意义
1.2 国内外研究历史与现状
1.2.1 大气波导实时监测技术的研究历史与现状
1.2.2 AIS信号传播特性的研究历史与现状
1.2.3 大气波导反演算法的研究历史与现状
第2章 大气波导条件下AIS信号的传播特性
2.1 船舶自动识别系统
2.2 对流层大气波导
2.3 大气波导条件下AIS信号正向传播模型
2.3.1 抛物方程方法
2.3.2 天线初始场与边界条件
2.3.3 AIS信号正向传播模型
2.4 AIS信号的大气波导传播分析
2.4.1 蒸发波导传播
2.4.2 表面波导传播
2.4.3 抬升波导传播
2.4.4 混合波导传播
第3章 AIS信号反演大气波导参数适用性研究
3.1 AIS信号传播模型的波导参数敏感性分析
3.2 基于扩展傅里叶振幅敏感性检验的波导参数全局敏感性分析
3.2.1 扩展傅里叶振幅敏感性检验方法
3.2.2 仿真与验证
3.3 基于射线追踪模型的大气波导参数反演范围研究
3.3.1 射线追踪模型
3.3.2 三线性波导基底高度反演范围的确定
3.3.3 三线性波导陷获层厚度反演范围的确定
3.3.4 混合波导参数反演范围的确定
3.3.5 仿真与验证
第4章 基于改进量子行为粒子群算法的AIS信号反演大气波导
4.1 基于传统智能算法的AIS信号反演大气波导方法
4.2 大气波导对不同频率AIS信号传播特性的影响分析
4.2.1 表面波导的影响
4.2.2 抬升波导的影响
4.2.3 混合波导的影响
4.3 Levy飞行量子行为粒子群算法
4.3.1 量子行为粒子群算法
4.3.2 改进量子行为粒子群算法
4.3.3 LFQPSO算法的性能测试
4.4 仿真与验证
4.4.1 表面波导反演
4.4.2 抬升波导反演
4.4.3 混合波导反演
第5章 基于深度学习算法的AIS信号反演大气波导
5.1 深度学习算法
5.1.1 深度前馈神经网络
5.1.2 数据准备
5.1.3 基于深度学习算法的大气波导反演方法
5.2 大气波导反演数据库的产生
5.2.1 拉丁超立方抽样
5.2.2 产生反演数据库
5.3 神经网络模型结构的选择
5.4 仿真与验证
5.4.1 表面波导反演
5.4.2 抬升波导反演
5.4.3 混合波导反演
第6章 AIS信号反演大气波导海上试验
6.1 便携式高灵敏度民用AIS信号采集系统设计
6.2 AIS信号接收与处理
6.3 AIS信号反演大气波导海上试验验证
6.3.1 试验方案概述
6.3.2 试验数据采集和处理
6.3.3 试验结果验证
参考文献