复杂环境下多参数雷达信号分选算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景及意义 | 第10-11页 |
| ·国内外研究现状及其进展 | 第11-14页 |
| ·单参数信号分选算法现状分析 | 第11-12页 |
| ·多参数信号分选算法现状分析 | 第12-14页 |
| ·研究内容介绍和文章结构安排 | 第14-16页 |
| 第2章 雷达信号分选概述 | 第16-32页 |
| ·引言 | 第16-17页 |
| ·雷达信号特征参数分析 | 第17-22页 |
| ·雷达信号脉冲重复频率及其误差分析 | 第17-19页 |
| ·雷达信号脉冲频率及其误差分析 | 第19-20页 |
| ·雷达信号其他特征参数分析 | 第20-22页 |
| ·雷达信号环境仿真设计 | 第22-24页 |
| ·传统多参数信号分选算法分析 | 第24-31页 |
| ·基于监督类的多参数雷达信号分选方法 | 第24-28页 |
| ·基于非监督类的多参数雷达信号分选方法 | 第28-30页 |
| ·多参数分选算法中存在的问题分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于云模型联合覆盖算法的雷达信号分选 | 第32-48页 |
| ·引言 | 第32页 |
| ·传统神经网络及其他智能分选方法存在的问题 | 第32-35页 |
| ·覆盖算法分析 | 第35-38页 |
| ·M-P 神经网络的几何意义 | 第36页 |
| ·领域覆盖算法分析 | 第36-38页 |
| ·基于几何覆盖和云模型的信号分选方法 | 第38-44页 |
| ·基于几何覆盖算法对信号特征参数的几何描述 | 第38-40页 |
| ·边界交叠信号对分选算法造成的影响 | 第40-41页 |
| ·云模型算法分析 | 第41-42页 |
| ·基于云模型的信号隶属度求取 | 第42-44页 |
| ·信号分选判别准则 | 第44页 |
| ·仿真实验分析 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于最优判别原子的雷达信号分选识别 | 第48-61页 |
| ·引言 | 第48页 |
| ·雷达脉内调制信号数学模型分析 | 第48-51页 |
| ·时频原子理论基础分析 | 第51-53页 |
| ·信号分解理论概述 | 第51-52页 |
| ·时频原子及时频原子库介绍 | 第52-53页 |
| ·采用时频原子进行信号匹配的方式 | 第53页 |
| ·基于时频原子最优分类原子的选择 | 第53-56页 |
| ·时频原子复杂度分析 | 第53-54页 |
| ·局域判别基思想 | 第54-55页 |
| ·最优判别原子的选择 | 第55-56页 |
| ·基于时频原子的云模型联合覆盖算法分选识别 | 第56-57页 |
| ·仿真实验分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 基于数据场的改进模糊聚类分选方法 | 第61-71页 |
| ·引言 | 第61页 |
| ·常用聚类算法的局限性 | 第61-62页 |
| ·模糊聚类 FCM 算法分析 | 第62-64页 |
| ·基于改进 FCM 聚类的信号分选方法 | 第64-66页 |
| ·数据场聚类选取初始值 | 第64-65页 |
| ·基于类云模型的 FCM 聚类算法 | 第65-66页 |
| ·仿真实验分析 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第77-78页 |
| 致谢 | 第78页 |
