| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·选题背景及意义 | 第8-9页 |
| ·目标识别研究现状 | 第9-10页 |
| ·统计目标识别方法 | 第9页 |
| ·基于知识的目标识别方法 | 第9页 |
| ·基于模型的自动目标识别 | 第9页 |
| ·基于多传感器信息融合的自动目标识别方法 | 第9-10页 |
| ·基于人工神经网络自动目标识别方法 | 第10页 |
| ·研究方案 | 第10-12页 |
| ·SAR目标数据集的获取 | 第10-12页 |
| ·PCNN SAR特征提取研究方案和过程 | 第12页 |
| ·论文框架 | 第12-14页 |
| 第二章 研究基础 | 第14-18页 |
| ·SAR ATR综述 | 第14-16页 |
| ·PCNN综述 | 第16-18页 |
| 第三章 SAR目标仿真数据集生成 | 第18-31页 |
| ·SAR体制及仿真 | 第18-21页 |
| ·SAR体制 | 第18-20页 |
| ·SAR仿真 | 第20-21页 |
| ·SAR仿真算法实现 | 第21-27页 |
| ·GPU应用于SAR仿真 | 第21-23页 |
| ·算法结构和实现 | 第23-27页 |
| ·SAR仿真数据集生成 | 第27-31页 |
| ·目标模型的建立 | 第27-28页 |
| ·SAR仿真图像生成 | 第28-31页 |
| 第四章 SAR目标特征提取的PCNN方法 | 第31-38页 |
| ·PCNN算法 | 第31-32页 |
| ·PCNN算法的实现 | 第32-35页 |
| ·PCNN算法的数据结构 | 第32-34页 |
| ·程序实现过程 | 第34-35页 |
| ·PCNN SAR目标特征提取 | 第35-38页 |
| 第五章 实验与结果分析 | 第38-50页 |
| ·PCNN参数对特征提取影响实验的及结果分析 | 第38-45页 |
| ·权值对特征提取的影响 | 第39-41页 |
| ·链接系数对特征提取的影响 | 第41-42页 |
| ·初始阈值对特征提取的影响 | 第42-44页 |
| ·衰减系数对特征提取的影响 | 第44-45页 |
| ·分类方法选取实验及结果分析 | 第45-48页 |
| ·Backpropagation_CGD方法对目标特征的分类实验 | 第46页 |
| ·LVQ1方法对目标特征的识别实验 | 第46-47页 |
| ·SVM方法对目标特征的分类实验 | 第47-48页 |
| ·三种分类方法对PCNN目标识别适应性分析 | 第48页 |
| ·PCNN方法与PCA方法目标特征提取对比实验 | 第48-50页 |
| ·数据集选取 | 第48-49页 |
| ·实验结果及分析 | 第49-50页 |
| 结论与展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 在学期间公开发表论文及著作情况 | 第54页 |