| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第14-16页 |
| 缩略语对照表 | 第16-21页 |
| 第一章 绪论 | 第21-29页 |
| 1.1 研究背景及意义 | 第21-22页 |
| 1.2 国内外研究概况和发展趋势 | 第22-25页 |
| 1.2.1 子空间类超分辨空间谱估计技术 | 第22-23页 |
| 1.2.2 HRRP时频分析技术 | 第23-24页 |
| 1.2.3 像素级图像融合技术 | 第24-25页 |
| 1.3 论文的主要工作和结构安排 | 第25-29页 |
| 第二章 基于谱特征的海面微弱目标检测 | 第29-43页 |
| 2.1 引言 | 第29页 |
| 2.2 IPIX雷达海杂波实测数据描述 | 第29-32页 |
| 2.3 实测海杂波信号的频域特征 | 第32-38页 |
| 2.3.1 功率谱特征 | 第33-34页 |
| 2.3.2 差分功率谱特征 | 第34-36页 |
| 2.3.3 积谱特征 | 第36-38页 |
| 2.4 PSO-SVM海面微弱目标检测器 | 第38-41页 |
| 2.5 本章小结 | 第41-43页 |
| 第三章 基于一维PKA-ESPRIT的距离像重构 | 第43-67页 |
| 3.1 引言 | 第43-44页 |
| 3.2 一维ESPRIT参数估计算法 | 第44-51页 |
| 3.2.1 一维ESPRIT数据模型 | 第44-45页 |
| 3.2.2 一维ESPRIT参数估计原理 | 第45-46页 |
| 3.2.3 ESPRIT在一维散射中心提取中的应用 | 第46-47页 |
| 3.2.4 一维U-ESPRIT参数估计原理 | 第47-50页 |
| 3.2.5 U-ESPRIT在一维散射中心提取中的应用 | 第50-51页 |
| 3.3 PKA-ESPRIT参数估计算法 | 第51-55页 |
| 3.3.1 PKA-ESPRIT参数估计原理 | 第51-54页 |
| 3.3.2 PKA-ESPRIT在一维散射中心提取中的应用 | 第54-55页 |
| 3.4 计算复杂度分析 | 第55-56页 |
| 3.5 基于散射中心提取的目标距离像重构 | 第56-66页 |
| 3.5.1 目标距离像重构模型 | 第56页 |
| 3.5.2 散射中心数目估计 | 第56-59页 |
| 3.5.3 理想点目标距离像重构仿真 | 第59-63页 |
| 3.5.4 复杂目标距离像重构仿真 | 第63-66页 |
| 3.6 本章小结 | 第66-67页 |
| 第四章 基于时频特征的雷达目标重构距离像识别 | 第67-93页 |
| 4.1 引言 | 第67页 |
| 4.2 时频分析技术 | 第67-81页 |
| 4.2.1 自适应能量分布 | 第68-70页 |
| 4.2.2 自适应Gabor扩展 | 第70页 |
| 4.2.3 自适应高斯线性调频小波分解 | 第70-71页 |
| 4.2.4 线性时频表示 | 第71-73页 |
| 4.2.5 双线性时频分布 | 第73-75页 |
| 4.2.6 自适应最优核分布 | 第75-77页 |
| 4.2.7 仿真实验 | 第77-81页 |
| 4.3 时频分布的频率边缘特征提取 | 第81-83页 |
| 4.4 前馈型NN分类器 | 第83-92页 |
| 4.4.1 弹性传播算法 | 第83-84页 |
| 4.4.2 模拟退火弹性传播算法 | 第84-85页 |
| 4.4.3 复杂目标重构距离像识别实验 | 第85-92页 |
| 4.5 本章小结 | 第92-93页 |
| 第五章 基于文化算法辅助时频特征融合的距离像识别 | 第93-111页 |
| 5.1 引言 | 第93-94页 |
| 5.2 基于Volterra级数的时频融合模型 | 第94-95页 |
| 5.3 CA辅助时频特征融合 | 第95-104页 |
| 5.3.1 CA种群进化策略 | 第96-99页 |
| 5.3.2 基于CA的最优融合系数估计 | 第99-101页 |
| 5.3.3 仿真实验 | 第101-104页 |
| 5.4 基于融合时频特征的重构距离像识别 | 第104-109页 |
| 5.4.1 基于融合时频特征的分类策略 | 第104-106页 |
| 5.4.2 重构距离像识别实验 | 第106-109页 |
| 5.5 本章小结 | 第109-111页 |
| 第六章 卷积神经网络在目标识别中的应用 | 第111-131页 |
| 6.1 引言 | 第111页 |
| 6.2 基于CNN辅助的时频特征融合 | 第111-118页 |
| 6.2.1 CNN实现二阶Volterra级数时频特征融合 | 第111-116页 |
| 6.2.2 基于CA优化的SARPROP训练算法 | 第116-118页 |
| 6.3 基于CNN融合时频特征的目标重构距离像识别 | 第118-122页 |
| 6.4 基于CNN的目标ISAR图像分类 | 第122-129页 |
| 6.4.1 二维U-ESPRIT散射中心提取原理 | 第122-125页 |
| 6.4.2 基于凸包检测的目标轮廓提取 | 第125-127页 |
| 6.4.3 目标ISAR图像识别仿真实验 | 第127-129页 |
| 6.5 本章小结 | 第129-131页 |
| 第七章 结束语 | 第131-135页 |
| 7.1 工作总结 | 第131-133页 |
| 7.2 研究展望 | 第133-135页 |
| 参考文献 | 第135-147页 |
| 致谢 | 第147-149页 |
| 作者简介 | 第149-151页 |
