| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-33页 |
| ·雷达自动目标识别的基本概念 | 第11-13页 |
| ·雷达自动目标识别研究状况 | 第13-16页 |
| ·雷达高分辨距离像的敏感性 | 第16-18页 |
| ·高分辨距离像的方位敏感性 | 第16页 |
| ·高分辨距离像的强度敏感性 | 第16-17页 |
| ·高分辨距离像的平移敏感性 | 第17页 |
| ·高分辨距离像的初相敏感性 | 第17-18页 |
| ·HRRP 自动目标识别的难点 | 第18-20页 |
| ·雷达目标特征的提取 | 第18页 |
| ·HRRP 稳健识别的相关研究 | 第18-19页 |
| ·HRRP 的库外目标拒判 | 第19-20页 |
| ·研究内容安排 | 第20-24页 |
| ·实验数据介绍 | 第20-21页 |
| ·本文内容安排 | 第21-24页 |
| 本章参考文献 | 第24-33页 |
| 第二章 雷达 HRRP 自动目标识别的基本理论 | 第33-51页 |
| ·高分辨雷达回波特性分析 | 第33-34页 |
| ·雷达 HRRP 特征提取 | 第34-37页 |
| ·雷达 HRRP 的时域特征 | 第35-36页 |
| ·雷达 HRRP 的频域特征 | 第36-37页 |
| ·雷达 HRRP 的统计识别方法 | 第37-43页 |
| ·雷达 HRRP 统计识别理论 | 第37-39页 |
| ·HRRP 的统计识别方法 | 第39-43页 |
| ·雷达 HRRP 统计识别方法的敏感性 | 第43-45页 |
| ·小样本识别敏感性 | 第43-44页 |
| ·噪声敏感性 | 第44-45页 |
| ·库外目标拒判问题 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 本章参考文献 | 第47-51页 |
| 第三章 基于 TSB-HMM 的雷达高分辨距离像目标识别方法 | 第51-73页 |
| ·HRRP 间建立 HMM 模型的缺陷 | 第52-53页 |
| ·基于时域特征的 TSB-HMM 模型 | 第53-55页 |
| ·时域特征提取 | 第53页 |
| ·传统的 HMM 模型 | 第53-55页 |
| ·TSB-HMM 的构造 | 第55-57页 |
| ·TSB-HMM 模型求解 | 第57-64页 |
| ·VB 算法介绍 | 第57-60页 |
| ·共轭指数模型 | 第60-61页 |
| ·基于 TSB-HMM 的 VB 算法 | 第61-63页 |
| ·应用时域特征的 TSB-HMM 雷达目标识别步骤 | 第63-64页 |
| ·分层识别 | 第64-65页 |
| ·实验结果及分析 | 第65-68页 |
| ·数据及实验设置介绍 | 第65-66页 |
| ·基于时域特征和功率谱特征的 TSB-HMM 实验结果及分析 | 第66-67页 |
| ·分层识别结果及分析 | 第67-68页 |
| ·训练样本集大小对识别性能的影响 | 第68页 |
| ·总结和讨论 | 第68-69页 |
| 本章参考文献 | 第69-73页 |
| 第四章 基于多任务 TSB-HMM 的雷达高分辨距离像目标识别方法 | 第73-99页 |
| ·谱图特征提取及幂次变换 | 第73-75页 |
| ·谱图特征定义 | 第73-74页 |
| ·雷达 HRRP 数据的谱图特征 | 第74-75页 |
| ·幂次变换 | 第75页 |
| ·多任务 TSB-HMM 模型 | 第75-80页 |
| ·普通 HMM 模型 | 第75-77页 |
| ·多任务 TSB-HMM 模型 | 第77-80页 |
| ·多任务 TSB-HMM 模型目标识别的算法及步骤 | 第80-84页 |
| ·VB 算法 | 第80-83页 |
| ·多任务 TSB-HMM 模型目标识别的步骤 | 第83-84页 |
| ·实验结果与分析 | 第84-96页 |
| ·实验数据以及模型参数初始值设置 | 第84-85页 |
| ·时域特征和谱图特征的比较 | 第85-90页 |
| ·单任务模型和多任务模型的对比 | 第90-93页 |
| ·幂次变换后单任务模型和多任务模型的对比 | 第93-95页 |
| ·VB 算法的计算负担 | 第95-96页 |
| ·基于谱图特征的 TSB-HMM 模型总结 | 第96页 |
| 本章参考文献 | 第96-99页 |
| 第五章 基于模型修正的 HRRP 噪声稳健识别 | 第99-123页 |
| ·高分辨距离像的统计模型失配问题 | 第99-101页 |
| ·噪声稳健模型 | 第101-104页 |
| ·基于非高斯模型的噪声稳健修正方法 | 第104-110页 |
| ·基于非高斯的模型近似 | 第104-105页 |
| ·非高斯模型的噪声稳健修正方法的应用 | 第105-108页 |
| ·基于实测数据的实验 | 第108-110页 |
| ·基于高斯模型的噪声稳健修正方法 | 第110-120页 |
| ·基于高斯的模型近似 | 第110-113页 |
| ·高斯模型噪声稳健修正方法的应用 | 第113-114页 |
| ·基于实测数据的实验 | 第114-119页 |
| ·本节方法和基于非高斯的修正方法的比较 | 第119-120页 |
| ·小结 | 第120-121页 |
| 本章参考文献 | 第121-123页 |
| 第六章 基于 TFA 的 HRRP 目标识别 | 第123-137页 |
| ·引言 | 第123-124页 |
| ·基于 HRRP 功率谱特征的 TFA 模型 | 第124-129页 |
| ·功率谱特征 | 第124页 |
| ·FA 模型回顾 | 第124-126页 |
| ·TFA 的模型构造 | 第126-128页 |
| ·TFA 的模型参数学习 | 第128-129页 |
| ·基于 TFA 的雷达高分辨距离像识别步骤 | 第129-130页 |
| ·基于实测数据的实验 | 第130-134页 |
| ·实验数据介绍 | 第130-131页 |
| ·理想情况识别率 | 第131-132页 |
| ·小样本识别率 | 第132-133页 |
| ·噪声稳健性 | 第133-134页 |
| ·基于 TFA 模型的 HRRP 识别算法总结 | 第134页 |
| 本章参考文献 | 第134-137页 |
| 第七章 结束语 | 第137-141页 |
| ·本文内容总结 | 第137-138页 |
| ·工作展望 | 第138-141页 |
| 致谢 | 第141-143页 |
| 攻读博士学位期间的研究成果 | 第143-146页 |
