基于高分辨一维距离像的雷达目标识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-23页 |
| ·研究背景及意义 | 第10页 |
| ·雷达目标识别概括 | 第10-15页 |
| ·雷达目标识别流程 | 第10-11页 |
| ·雷达目标识别技术简介 | 第11-15页 |
| ·高分辨一维距离像简介 | 第15-19页 |
| ·雷达目标散射中心模型 | 第15-17页 |
| ·雷达目标一维距离像的特点 | 第17-19页 |
| ·雷达目标一维距离像的预处理 | 第19页 |
| ·实验数据描述 | 第19-22页 |
| ·论文主要内容和创新之处 | 第22-23页 |
| 第二章 基于特征融合的一维距离像识别 | 第23-34页 |
| ·两种特征提取方法介绍 | 第23-25页 |
| ·主成分分析 | 第23-24页 |
| ·线性判别分析 | 第24-25页 |
| ·基于特征融合的目标识别 | 第25-30页 |
| ·融合的理论分析 | 第26-28页 |
| ·基于后验概率的融合方法 | 第28-29页 |
| ·直接以距离值融合的方法 | 第29-30页 |
| ·本章实验 | 第30-33页 |
| ·实验数据的预处理 | 第30页 |
| ·仿真实验 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于AUDP 的一维距离像识别 | 第34-50页 |
| ·流行学习概述 | 第34-37页 |
| ·几种经典的流行学习方法 | 第34-35页 |
| ·LE 方法介绍 | 第35-37页 |
| ·AUDP 方法 | 第37-42页 |
| ·UDP 方法 | 第37-39页 |
| ·AUDP 方法 | 第39-42页 |
| ·KAUDP 方法 | 第42-45页 |
| ·核方法介绍 | 第42-43页 |
| ·KAUDP 方法 | 第43-45页 |
| ·本章实验 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于NKMFA 的一维距离像识别 | 第50-61页 |
| ·MFA 与KMFA 方法 | 第50-54页 |
| ·MFA 方法 | 第50-52页 |
| ·KMFA 方法 | 第52-53页 |
| ·MFA 与KMFA 方法的识别结果 | 第53-54页 |
| ·NKMFA 方法 | 第54-60页 |
| ·NKMFA 方法 | 第54-57页 |
| ·本节实验 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于CIPCA 的一维距离像识别 | 第61-79页 |
| ·包含类别信息的主成分分析(CIPCA) | 第61-65页 |
| ·CIPCA 方法 | 第61-63页 |
| ·CIPCA 方法的识别结果 | 第63-65页 |
| ·KCIPCA 方法 | 第65-73页 |
| ·KPCA 简介 | 第65-67页 |
| ·KCIPCA 的推导 | 第67-69页 |
| ·本节实验 | 第69-73页 |
| ·CIPCA 特征使用不同分类器的比较 | 第73-78页 |
| ·最小距离分类器 | 第73-74页 |
| ·马氏距离分类器 | 第74页 |
| ·最近邻特征线分类器 | 第74页 |
| ·余弦分类器 | 第74-75页 |
| ·本节实验 | 第75-78页 |
| ·本章小结 | 第78-79页 |
| 第六章 总结及展望 | 第79-81页 |
| ·总结 | 第79页 |
| ·展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 在学期间研究成果 | 第86-87页 |
