首页--工业技术论文--无线电电子学、电信技术论文--雷达论文--雷达设备、雷达站论文--雷达接收设备论文--雷达信号检测处理论文

雷达辐射源特征提取和个体识别

摘要第5-6页
ABSTRACT第6-7页
符号对照表第11-13页
缩略语对照表第13-16页
第一章 绪论第16-24页
    1.1 绪论第16页
    1.2 研究背景及意义第16-18页
    1.3 国内外研究现状第18-21页
        1.3.1 常规特征参数研究现状第19页
        1.3.2 脉内调制特征研究现状第19-20页
        1.3.3 脉内特征与常规特征参数相结合第20-21页
    1.4 本文主要工作和结构安排第21-24页
第二章 雷达辐射源识别基础第24-34页
    2.1 引言第24页
    2.2 雷达信号数学模型第24页
    2.3 信号脉内调制类型第24-26页
        2.3.1 脉内有意调制第24-25页
        2.3.2 脉内无意调制第25-26页
    2.4 雷达发射机的基本结构和相位分析第26-32页
        2.4.1 雷达发射机的基本结构第26-27页
        2.4.2 雷达发射机相位噪声分析第27-32页
    2.5 雷达信号特征提取与个体识别系统第32-33页
    2.6 本章小结第33-34页
第三章 雷达信号特征提取第34-54页
    3.1 引言第34页
    3.2 脉冲参数的定义第34-35页
    3.3 脉冲常规特征参数第35-52页
        3.3.1 幅值和带宽第35-37页
        3.3.2 瞬时频率和载频第37-44页
        3.3.3 脉冲到达时间和脉冲宽度第44-52页
    3.4 本章小结第52-54页
第四章 基于脉冲包络前沿特征的雷达辐射源个体识别第54-64页
    4.1 引言第54页
    4.2 脉冲包络前沿特征第54-59页
        4.2.1 辐射源信号无意调制第54-56页
        4.2.2 提取脉冲包络前沿波形表示第56-57页
        4.2.3 滑窗平均处理第57-58页
        4.2.4 归一化处理第58页
        4.2.5 脉冲包络前沿波形差异性表示第58-59页
    4.3 仿真实验第59-63页
    4.4 本章小结第63-64页
第五章 基于卷积神经网络的雷达辐射源个体识别第64-78页
    5.1 引言第64页
    5.2 深度学习技术概述第64-73页
        5.2.1 卷积神经网络结构模型第65-68页
        5.2.2 BP算法介绍第68-70页
        5.2.3 卷积神经网络训练算法第70-73页
    5.3 雷达辐射源个体识别仿真试验第73-76页
    5.4 本章小结第76-78页
第六章 总结与展望第78-80页
    6.1 总结第78-79页
    6.2 展望第79-80页
参考文献第80-84页
致谢第84-86页
作者简介第86-87页

论文共87页,点击 下载论文
上一篇:无线传感器网络覆盖漏洞修复算法研究
下一篇:独立成分分析及其在特征提取中的应用研究