基于多域特征提取的雷达辐射源识别
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状及分析 | 第9-14页 |
| 1.2.1 特征提取研究现状 | 第9-12页 |
| 1.2.2 分类器设计研究现状 | 第12-14页 |
| 1.3 本文的主要研究内容 | 第14-17页 |
| 第2章 雷达辐射源多域特征提取 | 第17-37页 |
| 2.1 引言 | 第17页 |
| 2.2 噪声仿真及信号源建模 | 第17-25页 |
| 2.2.1 辐射源相位噪声研究 | 第17-19页 |
| 2.2.2 相位噪声特征信号源建模 | 第19-21页 |
| 2.2.3 辐射源包络特征研究 | 第21-23页 |
| 2.2.4 包络特征信号源建模 | 第23-25页 |
| 2.3 基于分形理论的特征提取 | 第25-30页 |
| 2.3.1 分形盒维数特征提取 | 第25-27页 |
| 2.3.2 分形方差维数特征提取 | 第27-29页 |
| 2.3.3 多重分形维数特征提取 | 第29-30页 |
| 2.4 基于高阶统计量的特征提取 | 第30-35页 |
| 2.4.1 方差、偏度和峰度概念 | 第31-33页 |
| 2.4.2 高阶统计量特征提取 | 第33-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第3章 基于特征降维的多域特征优化 | 第37-50页 |
| 3.1 引言 | 第37-38页 |
| 3.2 特征抽取算法 | 第38-41页 |
| 3.2.1 特征抽取算法概述 | 第38-39页 |
| 3.2.2 主成分分析法特征抽取 | 第39-41页 |
| 3.3 特征选择算法 | 第41-46页 |
| 3.3.1 特征选择算法概述 | 第41-42页 |
| 3.3.2 特征评价方法 | 第42-44页 |
| 3.3.3 基于启发式搜索特征选择方法 | 第44-46页 |
| 3.4 多域特征优化结果分析 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 基于支持向量机的雷达辐射源分类 | 第50-69页 |
| 4.1 引言 | 第50页 |
| 4.2 单核支持向量机分类 | 第50-58页 |
| 4.2.1 支持向量机的应用及分类器设计 | 第50-51页 |
| 4.2.2 基于分形特征的分类结果 | 第51-56页 |
| 4.2.3 基于高阶统计量特征的分类结果 | 第56-58页 |
| 4.3 多核支持向量机分类 | 第58-67页 |
| 4.3.1 多核支持向量机优化方法简介 | 第59-63页 |
| 4.3.2 基于Simple-MKL的分类器设计 | 第63-64页 |
| 4.3.3 多核支持向量机分类结果 | 第64-67页 |
| 4.4 本章小结 | 第67-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第76-78页 |
| 致谢 | 第78页 |
