| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 引言 | 第15-16页 |
| 1.2 雷达高分辨距离像稳健识别问题 | 第16-19页 |
| 1.2.1 噪声稳健问题 | 第16-17页 |
| 1.2.2 小样本稳健问题 | 第17-19页 |
| 1.3 论文的内容和安排 | 第19-21页 |
| 1.4 实验数据介绍与数据预处理 | 第21-25页 |
| 1.4.1 实验数据介绍 | 第21-22页 |
| 1.4.2 高分辨距离像的敏感性问题及数据预处理 | 第22-25页 |
| 第二章 基于散射中心匹配的雷达目标噪声稳健识别方法 | 第25-39页 |
| 2.1 引言 | 第25-26页 |
| 2.2 散射中心提取与噪声抑制 | 第26-30页 |
| 2.2.1 散射中心模型 | 第26-28页 |
| 2.2.2 基于正交匹配追踪的去噪方法 | 第28-30页 |
| 2.3 基于HD距离的散射中心匹配方法 | 第30-33页 |
| 2.4 实验结果与分析 | 第33-38页 |
| 2.4.1 仿真数据实验与结果分析 | 第33-36页 |
| 2.4.2 实测数据实验与结果分析 | 第36-38页 |
| 2.5 小结 | 第38-39页 |
| 第三章 基于多任务复数因子分析模型的雷达高分辨距离像识别方法 | 第39-71页 |
| 3.1 引言 | 第39-40页 |
| 3.2 传统的FA模型与因子个数选择 | 第40-42页 |
| 3.3 基于MTL-CFA模型的高分辨距离像的识别方法 | 第42-54页 |
| 3.3.1 基于MTL-CFA模型的高分辨距离像的统计建模 | 第42-45页 |
| 3.3.2 最大边缘似然准则与变分贝叶斯推断 | 第45-50页 |
| 3.3.3 MTL-CFA模型中隐变量和随机参数的后验分布推断 | 第50-53页 |
| 3.3.4 基于MTL-CFA模型的高分辨距离像的统计识别 | 第53-54页 |
| 3.4 基于MTL-CFA-SP模型的高分辨距离像识别算法 | 第54-60页 |
| 3.4.1 基于MTL-CFA-SP模型的高分辨距离像的统计建模 | 第54-58页 |
| 3.4.2 MTL-CFA-SP模型中隐变量和随机参数的后验分布推断 | 第58-60页 |
| 3.5 实验结果与讨论 | 第60-68页 |
| 3.5.1 基于MTL-CFA模型的高分辨距离像的小样本稳健实验 | 第60-63页 |
| 3.5.2 基于MTL-CFA-SP模型的高分辨距离像的小样本稳健实验 | 第63-67页 |
| 3.5.3 基于MTL-CFA-SP模型的噪声稳健识别实验 | 第67-68页 |
| 3.6 小结 | 第68-71页 |
| 第四章 基于MTL-HMM-DNN模型的高分辨距离像识别方法 | 第71-91页 |
| 4.1 引言 | 第71-72页 |
| 4.2 隐马尔可夫模型 | 第72-73页 |
| 4.3 基于STL-HMM-Gaussian的高分辨距离像建模及相关问题 | 第73-75页 |
| 4.4 基于MTL-HMM-DNN模型的高分辨距离像建模 | 第75-83页 |
| 4.4.1 深度神经网络 | 第75-77页 |
| 4.4.2 深度神经网络的初始化 | 第77-80页 |
| 4.4.3 隐马尔可夫模型和深度神经网络的结合 | 第80-83页 |
| 4.5 实验结果分析 | 第83-90页 |
| 4.5.1 仿真数据实验与结果分析 | 第83-87页 |
| 4.5.2 实测数据实验与结果分析 | 第87-90页 |
| 4.6 小结 | 第90-91页 |
| 第五章 总结与展望 | 第91-95页 |
| 5.1 全文总结 | 第91-92页 |
| 5.2 工作展望 | 第92-95页 |
| 参考文献 | 第95-103页 |
| 致谢 | 第103-105页 |
| 作者简介 | 第105-107页 |
