| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 论文主要内容和结构安排 | 第16-18页 |
| 第二章 辐射源个体识别理论基础 | 第18-28页 |
| 2.1 辐射源个体识别问题概述 | 第18-22页 |
| 2.1.1 辐射源个体识别系统 | 第18-19页 |
| 2.1.2 辐射源个体特征的产生机理 | 第19-22页 |
| 2.2 特征提取理论基础 | 第22-23页 |
| 2.2.1 小波变换与小波包分解重构 | 第22-23页 |
| 2.2.2 瞬时频率与希尔伯特变换 | 第23页 |
| 2.3 特征分类理论基础 | 第23-26页 |
| 2.3.1 最邻近距离 | 第24页 |
| 2.3.2 神经网络 | 第24-25页 |
| 2.3.3 支撑向量机 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 辐射源个体杂散特征提取方法 | 第28-44页 |
| 3.1 辐射源信号杂散特征分析 | 第28页 |
| 3.2 辐射源信号边际谱特征提取方法 | 第28-34页 |
| 3.2.1 基于经验模态分解的希尔伯特黄时频分析 | 第28-31页 |
| 3.2.2 边际谱特征提取方法 | 第31-34页 |
| 3.3 改进的边际谱特征提取方法 | 第34-42页 |
| 3.3.1 原有边际谱特征提取方法存在的问题 | 第34-37页 |
| 3.3.2 改进方法及实现步骤 | 第37-41页 |
| 3.3.3 改进边际谱特征提取方法的实验结果与分析 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 杂散特征分类器选择 | 第44-54页 |
| 4.1 分类器的设计 | 第44-47页 |
| 4.1.1 K近邻分类器 | 第44-45页 |
| 4.1.2 径向基神经网络分类器 | 第45页 |
| 4.1.3 多类型支撑向量机分类器 | 第45-47页 |
| 4.2 不同样本条件下的分类器性能对比 | 第47-52页 |
| 4.2.1 实验条件设置 | 第47-48页 |
| 4.2.2 大样本条件下三种分类器的分类性能比较 | 第48-49页 |
| 4.2.3 小样本条件下三种分类器的分类性能比较 | 第49-51页 |
| 4.2.4 特征提取方法改进前后的分类效果对比 | 第51-52页 |
| 4.3 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 研究结论 | 第54-55页 |
| 5.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 作者简介 | 第62-63页 |