基于改进PSO-RBF神经网络的高分辨率雷达目标检测研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景和意义 | 第11-12页 |
| ·雷达自动检测技术 | 第12-13页 |
| ·基于目标回波起伏和调制谱特征的目标检测 | 第12页 |
| ·基于极点分布的目标检测 | 第12-13页 |
| ·基于极化特征的目标检测 | 第13页 |
| ·基于高分辨率雷达的目标检测 | 第13页 |
| ·基于雷达目标HRRP的检测 | 第13-16页 |
| ·直接利用HRRP的目标检测 | 第14页 |
| ·基于子空间法的HRRP目标检测 | 第14页 |
| ·基于支持向量机的HRRP目标检测 | 第14-15页 |
| ·基于神经网络的HRRP目标检测 | 第15-16页 |
| ·本文研究内容 | 第16页 |
| ·论文结构 | 第16-18页 |
| 第二章 目标高分辨率距离像 | 第18-27页 |
| ·雷达目标散射中心理论 | 第18-19页 |
| ·高分辨率距离像的建立 | 第19-20页 |
| ·雷达目标高分辨率距离像的特性分析 | 第20-22页 |
| ·方位敏感性 | 第20-21页 |
| ·平移敏感性 | 第21-22页 |
| ·幅度敏感性 | 第22页 |
| ·高分辨率距离像实验数据介绍 | 第22-26页 |
| ·仿真目标数据 | 第22-24页 |
| ·实测数据 | 第24-25页 |
| ·雷达目标HRRP的预处理 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 粒子群算法和RBF神经网络的基本理论 | 第27-39页 |
| ·粒子群算法概述 | 第27-29页 |
| ·标准PSO算法的基本原理 | 第27-29页 |
| ·参数设置 | 第29页 |
| ·标准PSO算法的改进 | 第29-32页 |
| ·线性调整策略 | 第30-31页 |
| ·非线性惯性权重调整策略 | 第31-32页 |
| ·人工神经网络概述 | 第32-34页 |
| ·人工神经元模型 | 第32-33页 |
| ·人工神经网络的基本原理 | 第33页 |
| ·人工神经网络的分类 | 第33-34页 |
| ·RBF神经网络 | 第34-38页 |
| ·RBF神经网络结构 | 第34-35页 |
| ·RBF网络的学习算法 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于改进PSO的RBF神经网络算法设计 | 第39-53页 |
| ·改进PSO算法 | 第39-42页 |
| ·非线性自适应惯性权重 | 第39-40页 |
| ·局部搜索算子 | 第40-42页 |
| ·实验结果与分析 | 第42-47页 |
| ·测试函数 | 第42-43页 |
| ·算法参数设置 | 第43页 |
| ·算法性能分析 | 第43-47页 |
| ·基于改进的PSO优化的RBF神经网络 | 第47-49页 |
| ·参数的编码方式与适应度函数的选取 | 第47-48页 |
| ·改进PSO优化的RBF神经网络 | 第48-49页 |
| ·实验结果和分析 | 第49-52页 |
| ·算法的评价指标 | 第49-50页 |
| ·结果分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 雷达目标检测系统的设计与实现 | 第53-64页 |
| ·模型总体结构 | 第53页 |
| ·改进PSO-RBF神经网络雷达目标检测模型 | 第53-54页 |
| ·数据预处理模块 | 第53-54页 |
| ·改进PSO-RBF神经网络模块 | 第54页 |
| ·输出响应及处理模块 | 第54页 |
| ·实验及仿真结果 | 第54-63页 |
| ·算法仿真环境 | 第55页 |
| ·实验数据 | 第55-56页 |
| ·算法的评价指标 | 第56-57页 |
| ·实验及结果分析 | 第57-63页 |
| ·本章小节 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表论文情况 | 第70页 |
