基于RCS的空间目标识别技术
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-12页 |
| ·课题背景 | 第7页 |
| ·雷达目标识别方法 | 第7-10页 |
| ·目标识别的概念 | 第7-8页 |
| ·目标识别的一般步骤 | 第8-10页 |
| ·问题的提出 | 第10页 |
| ·论文结构 | 第10-12页 |
| 2 空间目标的特性 | 第12-16页 |
| ·空间目标的运动特性 | 第12-13页 |
| ·目标反射截面积 | 第13-16页 |
| 3 小波变换及多分辨分析 | 第16-27页 |
| ·傅立叶变换及短时傅立叶变换 | 第16-17页 |
| ·小波变换 | 第17-27页 |
| ·连续小波变换(CWT) | 第17-20页 |
| ·离散小波变换 | 第20页 |
| ·小波变换的特点 | 第20-22页 |
| ·Mallat算法及多分辨分析 | 第22-27页 |
| 4 空间目标运动姿态判决 | 第27-34页 |
| ·离散序列连续小波变换 | 第27-28页 |
| ·小波函数归一化 | 第28-29页 |
| ·基于小波功率谱的姿态判决 | 第29-33页 |
| ·小结 | 第33-34页 |
| 5 基于RCS序列的空间目标特征提取 | 第34-51页 |
| ·基于小波变换的特征提取 | 第34-37页 |
| ·信号的多分辨正交小波分解 | 第35页 |
| ·小波能量特征向量的构成 | 第35-37页 |
| ·分形特征提取 | 第37-39页 |
| ·分形的定义 | 第37页 |
| ·分形维数 | 第37-39页 |
| ·RCS统计特性特征提取 | 第39-40页 |
| ·类别可分性测度 | 第40-41页 |
| ·实测数据特征提取 | 第41-51页 |
| 6 分类器设计及空间目标识别实验 | 第51-65页 |
| ·分类器概述 | 第51-52页 |
| ·最小距离分类法 | 第52-53页 |
| ·神经网络分类器 | 第53-56页 |
| ·人工神经元发展历史 | 第54页 |
| ·人工神经元模型 | 第54-56页 |
| ·BP神经网络 | 第56-61页 |
| ·BP网络结构 | 第56-57页 |
| ·BP算法的数学描述 | 第57-61页 |
| ·分类实验 | 第61-64页 |
| ·神经网络识别实验 | 第61-63页 |
| ·平均距离分类器分类实验 | 第63-64页 |
| ·小结 | 第64-65页 |
| 结束语 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-69页 |
