| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 课题的研究背景及意义 | 第13-14页 |
| 1.2 课题的国内外研究现状 | 第14-17页 |
| 1.2.1 卷积神经网络研究概况 | 第14页 |
| 1.2.2 粒子群优化算法研究概况 | 第14-16页 |
| 1.2.3 雷达信号识别研究概况 | 第16-17页 |
| 1.3 课题研究内容及主要章节安排 | 第17-19页 |
| 第2章 人工卷积神经网络 | 第19-29页 |
| 2.1 人工神经网络 | 第19-23页 |
| 2.2 卷积神经网络 | 第23-28页 |
| 2.2.1 卷积神经网络的特点 | 第23-25页 |
| 2.2.2 卷积神经网络结构 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 改进量子粒子群优化算法 | 第29-45页 |
| 3.1 PSO算法描述 | 第29-33页 |
| 3.1.1 PSO算法原理 | 第29-31页 |
| 3.1.2 PSO算法设计步骤 | 第31页 |
| 3.1.3 PSO算法具体流程及框图 | 第31-32页 |
| 3.1.4 PSO算法的局限性与改进 | 第32-33页 |
| 3.2 QPSO算法描述 | 第33-38页 |
| 3.2.1 QPSO算法原理 | 第33-37页 |
| 3.2.2 QPSO算法流程和框图 | 第37页 |
| 3.2.3 QPSO算法优点及局限性 | 第37-38页 |
| 3.3 基于自适应收缩-扩张因子和差分进化算法的QPSO算法 | 第38-43页 |
| 3.3.1 自适应收缩-扩张因子 | 第38-39页 |
| 3.3.2 差分进化算子 | 第39-41页 |
| 3.3.3 IQPSO算法流程及框图 | 第41-42页 |
| 3.3.4 数值仿真实验 | 第42-43页 |
| 3.3.5 实验结果与分析 | 第43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 基于IQPSO的卷积神经网络设计 | 第45-51页 |
| 4.1 基于IQPSO的卷积神经网络 | 第45-48页 |
| 4.1.1 IQPSO算法简要描述 | 第45-46页 |
| 4.1.2 设计方案与编码策略 | 第46-47页 |
| 4.1.3 流程图与计算步骤 | 第47-48页 |
| 4.2 UCI 数据集仿真测试实验 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 雷达信号的仿真与识别 | 第51-61页 |
| 5.1 雷达信号仿真 | 第51-56页 |
| 5.1.1 常规脉冲雷达信号 | 第51-52页 |
| 5.1.2 线性调频雷达信号 | 第52-53页 |
| 5.1.3 非线性调频雷达信号 | 第53-54页 |
| 5.1.4 频域编码的雷达信号 | 第54-55页 |
| 5.1.5 相位编码的雷达信号 | 第55-56页 |
| 5.2 雷达信号处理与识别 | 第56-59页 |
| 5.2.1 雷达信号的预处理 | 第56页 |
| 5.2.2 网络的设计和信号识别 | 第56-59页 |
| 5.3 本章小结 | 第59-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士期间发表的学术成果 | 第69-71页 |
| 攻读硕士期间获得的奖励 | 第71-73页 |
| 致谢 | 第73页 |