毫米波雷达回波去噪与特征提取研究
| 第1章 绪论 | 第1-14页 |
| 1．1 课题研究背景 | 第9-10页 |
| 1．2 国内外研究现状 | 第10-12页 |
| 1．2．1 小波去噪的研究现状 | 第10-11页 |
| 1．2．2 特征提取的研究现状 | 第11-12页 |
| 1．3 本文主要研究内容 | 第12页 |
| 1．4 本文结构 | 第12-14页 |
| 第2章 毫米波雷达一维距离像的仿真 | 第14-23页 |
| 2．1 目标一维距离像形成原理 | 第14-16页 |
| 2．2 目标的散射中心模型 | 第16-17页 |
| 2．3 目标角运动模型 | 第17-20页 |
| 2．4 回波信号一维距离像仿真结果 | 第20-21页 |
| 2．5 本章小结 | 第21-23页 |
| 第3章 毫米波雷达回波去噪 | 第23-39页 |
| 3．1 连续小波变换 | 第23-24页 |
| 3．2 离散小波变换 | 第24-25页 |
| 3．3 多分辨率分析 | 第25-26页 |
| 3．4 基于小波变换的去噪算法 | 第26-31页 |
| 3．4．1 高频系数置零法 | 第26页 |
| 3．4．2 模极大值法 | 第26-27页 |
| 3．4．3 小波阈值法 | 第27-30页 |
| 3．4．4 各种方法的比较 | 第30-31页 |
| 3．5 毫米波雷达的小波去噪 | 第31-36页 |
| 3．5．1 小波基的选取 | 第31-34页 |
| 3．5．2 改进阈值函数去噪 | 第34-35页 |
| 3．5．3 改进阈值去噪 | 第35-36页 |
| 3．5．4 仿真结果 | 第36页 |
| 3．6 本章小结 | 第36-39页 |
| 第4章 基于小波变换的特征提取 | 第39-51页 |
| 4．1 基于小波变换的特征提取算法 | 第39-45页 |
| 4．1．1 能量特征提取法 | 第39-40页 |
| 4．1．2 模极大值特征提取法 | 第40-42页 |
| 4．1．3 熵特征提取法 | 第42-43页 |
| 4．1．4 适应性小波神经网络的特征提取法 | 第43-44页 |
| 4．1．5 各种方法的比较 | 第44-45页 |
| 4．2 毫米波雷达回波的小波特征提取算法 | 第45-50页 |
| 4．2．1 基于 Beylkin算法的特征提取 | 第45-47页 |
| 4．2．2 目标识别算法 | 第47-49页 |
| 4．2．3 识别结果 | 第49-50页 |
| 4．3 本章小结 | 第50-51页 |
| 第5章 基于高阶谱的特征提取 | 第51-65页 |
| 5．1 高阶统计量 | 第51-53页 |
| 5．2 双谱的性质和估计算法 | 第53-59页 |
| 5．2．1 双谱的性质 | 第53-54页 |
| 5．2．2 双谱的估计算法 | 第54-59页 |
| 5．3 基于双谱的特征提取算法 | 第59-61页 |
| 5．3．1 积分双谱 | 第60-61页 |
| 5．3．2 三种积分双谱的比较 | 第61页 |
| 5．4 基于双谱的毫米波雷达特征提取算法 | 第61-64页 |
| 5．4．1 双谱复特征的性质 | 第62-64页 |
| 5．4．2 雷达目标识别 | 第64页 |
| 5．5 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第69-70页 |
| 致谢 | 第70页 |
