基于非线性特征的毫米波距离像识别方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 缩略词总表 | 第13-15页 |
| 1 绪论 | 第15-36页 |
| 1.1 毫米波技术的研究与应用 | 第15-17页 |
| 1.2 雷达自动目标识别技术 | 第17-18页 |
| 1.3 HRRP的特点 | 第18-21页 |
| 1.3.1 目标散射中心模型 | 第18-19页 |
| 1.3.2 HRRP的敏感特性 | 第19-21页 |
| 1.3.3 噪声对HRRP识别算法的影响 | 第21页 |
| 1.3.4 HRRP序列信息的利用 | 第21页 |
| 1.4 HRRP特征提取方法简介 | 第21-27页 |
| 1.4.1 变换域特征提取法 | 第22页 |
| 1.4.2 散射中心模型特征提取法 | 第22-23页 |
| 1.4.3 子空间投影的特征提取法 | 第23-25页 |
| 1.4.4 流形学习的特征提取法 | 第25-26页 |
| 1.4.5 核方法的特征提取法 | 第26-27页 |
| 1.5 实验数据描述 | 第27-33页 |
| 1.5.1 仿真HRRP数据集 | 第27-31页 |
| 1.5.2 UCI机器学习数据库 | 第31-33页 |
| 1.5.3 数据集预处理 | 第33页 |
| 1.6 主要内容安排及创新点 | 第33-36页 |
| 1.6.1 论文主要工作 | 第33-34页 |
| 1.6.2 论文创新点 | 第34-36页 |
| 2 快速字典学习的HRRP分段稀疏识别 | 第36-55页 |
| 2.1 引言 | 第36页 |
| 2.2 稀疏分类简介 | 第36-43页 |
| 2.2.1 稀疏表示模型 | 第36-38页 |
| 2.2.2 稀疏表示的求解方法 | 第38-40页 |
| 2.2.3 字典学习 | 第40-42页 |
| 2.2.4 稀疏识别 | 第42-43页 |
| 2.3 改进的快速字典学习算法设计 | 第43-44页 |
| 2.4 HRRP分段加权稀疏识别 | 第44-47页 |
| 2.4.1 HRRP的分段 | 第44-45页 |
| 2.4.2 算法设计 | 第45-47页 |
| 2.5 实验与分析 | 第47-54页 |
| 2.5.1 快速字典学习算法性能实验 | 第47-51页 |
| 2.5.2 HRRP识别实验 | 第51-54页 |
| 2.6 本章小结 | 第54-55页 |
| 3 基于监督判别稀疏保持嵌入的HRRP识别 | 第55-67页 |
| 3.1 引言 | 第55页 |
| 3.2 相关算法简介 | 第55-59页 |
| 3.2.1 近邻保持嵌入 | 第55-56页 |
| 3.2.2 稀疏保持投影 | 第56-57页 |
| 3.2.3 最大间距准则 | 第57-59页 |
| 3.3 监督判别稀疏保持嵌入的HRRP识别 | 第59-61页 |
| 3.4 实验与分析 | 第61-66页 |
| 3.5 本章小结 | 第66-67页 |
| 4 基于半监督核自适应MFA的HRRP识别 | 第67-88页 |
| 4.1 引言 | 第67页 |
| 4.2 核方法简介 | 第67-69页 |
| 4.3 样本的相似性度量 | 第69-72页 |
| 4.3.1 几何距离 | 第69页 |
| 4.3.2 相关系数及相关距离 | 第69-71页 |
| 4.3.3 测地距离 | 第71-72页 |
| 4.4 半监督核自适应边界费希尔分析 | 第72-80页 |
| 4.4.1 边界费希尔分析 | 第72-74页 |
| 4.4.2 核自适应边界费希尔分析 | 第74-78页 |
| 4.4.3 半监督核自适应边界费希尔分析 | 第78-80页 |
| 4.5 实验与分析 | 第80-87页 |
| 4.5.1 UCI数据集实验 | 第80-83页 |
| 4.5.2 HRRP识别实验 | 第83-87页 |
| 4.6 本章小结 | 第87-88页 |
| 5 基于线性判别核模糊c均值聚类的HRRP识别 | 第88-110页 |
| 5.1 引言 | 第88页 |
| 5.2 模糊聚类简介 | 第88-92页 |
| 5.2.1 模糊c均值聚类 | 第89-91页 |
| 5.2.2 可能性c均值聚类 | 第91页 |
| 5.2.3 可能性模糊c均值聚类 | 第91-92页 |
| 5.3 聚类有效性指标 | 第92-94页 |
| 5.3.1 基于模糊划分的有效性指标 | 第93页 |
| 5.3.2 基于模糊划分和样本的有效性指标 | 第93-94页 |
| 5.4 线性判别核模糊聚类算法设计 | 第94-101页 |
| 5.4.1 模糊散度 | 第94-95页 |
| 5.4.2 算法设计 | 第95-99页 |
| 5.4.3 最优参数的选取 | 第99-101页 |
| 5.5 实验与分析 | 第101-109页 |
| 5.5.1 UCI数据集实验 | 第101-105页 |
| 5.5.2 HRRP识别实验 | 第105-109页 |
| 5.6 本章小结 | 第109-110页 |
| 6 毫米波频率步进高分辨信号采集及处理 | 第110-125页 |
| 6.1 引言 | 第110页 |
| 6.2 信号处理系统设计 | 第110-118页 |
| 6.2.1 系统硬件及参数简介 | 第110-112页 |
| 6.2.2 关键技术及实现方法 | 第112-115页 |
| 6.2.3 硬件设计 | 第115-116页 |
| 6.2.4 软件设计 | 第116-118页 |
| 6.3 过采样冗余及去冗余算法 | 第118-120页 |
| 6.3.1 距离像过采样冗余 | 第118-119页 |
| 6.3.2 距离像去冗余算法 | 第119页 |
| 6.3.3 全局峰值搜索逆向门限选大算法 | 第119-120页 |
| 6.4 实验与分析 | 第120-124页 |
| 6.4.1 目标抽取算法的有效性验证实验 | 第120-122页 |
| 6.4.2 外场实验 | 第122-124页 |
| 6.5 本章小结 | 第124-125页 |
| 7 总结与展望 | 第125-127页 |
| 7.1 全文研究工作总结 | 第125-126页 |
| 7.2 研究工作展望 | 第126-127页 |
| 致谢 | 第127-128页 |
| 参考文献 | 第128-141页 |
| 附录 | 第141-142页 |
