摘要 | 第1-7页 |
ABSTRACT | 第7-12页 |
第一章 绪论 | 第12-28页 |
·宽带雷达自动目标识别的基本概念和研究意义 | 第12-18页 |
·高分辨距离像自动目标识别的研究现状 | 第14-16页 |
·高分辨距离像自动目标识别的特点 | 第16-18页 |
·高分辨距离像自适应统计识别的意义、现状和难点 | 第18页 |
·高分辨距离像在线建模的研究意义 | 第18-19页 |
·窄带雷达自动目标识别的意义、现状和难点 | 第19页 |
·论文结构和所用数据 | 第19-23页 |
·数据介绍 | 第19-21页 |
·论文内容结构 | 第21-23页 |
本章参考文献 | 第23-28页 |
第二章 雷达自动目标识别的常用方法 | 第28-44页 |
·HRRP 常用基本识别方法 | 第28-40页 |
·K 近邻法及其改进. | 第29-33页 |
·基于统计模型的识别方法 | 第33-37页 |
·基于核方法的识别方法 | 第37-40页 |
·低分辨雷达识别常用方法 | 第40-41页 |
本章参考文献 | 第41-44页 |
第三章 高分辨距离像姿态敏感性分析 | 第44-62页 |
·引言 | 第44-45页 |
·飞机偏航、俯仰、侧摆时的不同姿态敏感性 | 第45-47页 |
·正侧视时极强的方位敏感性 | 第47-50页 |
·高分辨距离像中的“相干峰” | 第50-52页 |
·基于分类器的HRRP 自适应角域划分建模方法 | 第52-58页 |
·结论和未来工作 | 第58-59页 |
本章参考文献 | 第59-62页 |
第四章 强度和平移联合匹配HRRP 统计识别 | 第62-84页 |
·引言 | 第62页 |
·HRRP 姿态敏感性、强度敏感性和平移敏感性的数学描述. | 第62-64页 |
·独立高斯模型联合匹配算法 | 第64-74页 |
·训练阶段联合搜索算法 | 第64-70页 |
·测试阶段联合搜索算法 | 第70-74页 |
·PCA 子空间和PPCA 子空间联合高斯模型的联合匹配算法 | 第74-77页 |
·PCA 子空间联合高斯模型的联合匹配算法 | 第74-75页 |
·PPCA 子空间联合高斯模型的联合匹配算法 | 第75-77页 |
·基于实测数据和仿真数据的实验 | 第77-79页 |
·总结和讨论 | 第79-81页 |
本章参考文献 | 第81-84页 |
第五章 距离像噪声稳健自适应统计识别 | 第84-106页 |
·引言 | 第84页 |
·PPCA 自适应统计识别算法 | 第84-95页 |
·噪声模型 | 第84-86页 |
·PPCA 模型噪声稳健自适应识别的基本原理 | 第86-90页 |
·快速自适应算法 | 第90-93页 |
·基于实测数据的仿真试验 | 第93-95页 |
·FA 模型自适应统计识别算法 | 第95-100页 |
·FA 模型自适应算法基本原理 | 第95-98页 |
·基于实测数据的仿真试验 | 第98-100页 |
·结论 | 第100-103页 |
本章参考文献 | 第103-106页 |
第六章 HRRP 在线自动建模方法研究 | 第106-126页 |
·引言 | 第106页 |
·一种雷达HRRP 双门限在线统计识别方法 | 第106-114页 |
·基于统计模型的HRRP 目标识别(以独立高斯模型为例) | 第107-108页 |
·双门限自适应高斯分类器的在线学习方法 | 第108-111页 |
·实测数据仿真试验 | 第111-114页 |
·本节小结 | 第114页 |
·基于高斯过程分类器的HRRP 在线自动目标识别方法 | 第114-124页 |
·高斯过程分类器 | 第114-115页 |
·迭代在线高斯过程 | 第115-117页 |
·基于在线高斯过程分类器的在线混合专家分类器 | 第117-120页 |
·实测数据仿真试验 | 第120-123页 |
·本节小结 | 第123-124页 |
本章参考文献 | 第124-126页 |
第七章 基于特征谱散布特征的低分辨雷达目标分类方法 | 第126-146页 |
·引言 | 第126-127页 |
·旋转部件信号数学模型 | 第127-129页 |
·低分辨雷达JEM 特征的提取方法 | 第129-136页 |
·基于数据的性能评价 | 第136-141页 |
·本章小结 | 第141-142页 |
本章参考文献 | 第142-146页 |
第八章 结束语 | 第146-150页 |
·本文内容总结 | 第146-147页 |
·工作展望 | 第147-150页 |
致谢 | 第150-152页 |
作者在读期间的研究成果 | 第152-154页 |