雷达目标高分辨一维距离像识别方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究的背景及意义 | 第11-12页 |
| ·目标识别定义 | 第11页 |
| ·雷达目标识别的研究意义 | 第11-12页 |
| ·相关领域国内外研究现状及应用成果 | 第12-16页 |
| ·雷达目标识别的国内外研究现状及应用成果 | 第12-14页 |
| ·高分辨雷达一维距离像识别研究概述 | 第14-16页 |
| ·本文的主要工作和组织结构 | 第16-18页 |
| 第2章 高分辨距离像识别基本原理及实验数据描述 | 第18-27页 |
| ·雷达散射中心模型 | 第18-21页 |
| ·目标一维散射中心模型 | 第18-19页 |
| ·高分辨距离像的获取 | 第19-21页 |
| ·雷达目标一维距离像的特点 | 第21-24页 |
| ·方位敏感性 | 第21-22页 |
| ·强度敏感性 | 第22-23页 |
| ·平移敏感性 | 第23-24页 |
| ·距离像实验数据描述 | 第24-27页 |
| ·数据描述 | 第24-26页 |
| ·预处理 | 第26-27页 |
| 第3章 基于辨别分析的目标识别方法 | 第27-46页 |
| ·引言 | 第27-28页 |
| ·经典辨别分析方法介绍 | 第28-31页 |
| ·线性辨别分析 | 第28-29页 |
| ·核 Fisher 辨别分析 | 第29-31页 |
| ·基于 QR 分解的线性辨别方法 | 第31-36页 |
| ·基于 QR 分解的线性辨别方法 | 第31-33页 |
| ·基于 QR 分解的核线性辨别方法 | 第33-34页 |
| ·改进的基于 QR 分解的核线性辨别方法 | 第34-36页 |
| ·分类器简述 | 第36-39页 |
| ·引言 | 第36页 |
| ·最近邻(NN)分类器 | 第36-37页 |
| ·最近特征线(NFL)分类器 | 第37-38页 |
| ·核最近特征线(KNFL)分类器 | 第38-39页 |
| ·仿真实验与分析 | 第39-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于稀疏和协同表示的目标识别方法 | 第46-63页 |
| ·引言 | 第46页 |
| ·稀疏表示分类简介 | 第46-47页 |
| ·稀疏表示理论 | 第46页 |
| ·稀疏表示分类原理 | 第46-47页 |
| ·基于判别字典学习的稀疏表示目标识别方法 | 第47-52页 |
| ·Fisher 判别字典学习模型的建立 | 第47-51页 |
| ·分类方法 | 第51-52页 |
| ·基于协同表示的目标识别方法 | 第52-57页 |
| ·从稀疏表示的分类到协同表示的分类 | 第52-54页 |
| ·基于协同表示的分类方法 | 第54-55页 |
| ·基于核主成成分分析和协同表示相结合的分类方法 | 第55-57页 |
| ·仿真实验与分析 | 第57-61页 |
| ·本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| ·全文工作总结 | 第63页 |
| ·下一步工作展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
