| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 绪论 | 第13-27页 |
| 1．1 时频分析的发展历史 | 第13-15页 |
| 1．2 小波理论的发展历史 | 第15-16页 |
| 1．3 分类学习方法评述 | 第16-18页 |
| 1．4 支撑矢量机方法的发展现状 | 第18-19页 |
| 1．5 本论文的主要研究内容 | 第19-27页 |
| 第二章 智能信号分类分析基础 | 第27-46页 |
| 2．1 引言 | 第27-31页 |
| 2．2 分类方法基本原理 | 第31-36页 |
| 2．2．1 基于距离的分类器 | 第31-32页 |
| 2．2．2 统计分类器 | 第32-34页 |
| 2．2．3 神经网络分类 | 第34-35页 |
| 2．2．4 数据聚类方法 | 第35-36页 |
| 2．3 基于时频分析的信号分类 | 第36-42页 |
| 2．3．1 基于双线性时频分布的信号分类 | 第38-40页 |
| 2．3．2 基于小波和小波包的信号分类 | 第40-42页 |
| 2．4 基于支撑矢量机的信号分类 | 第42-46页 |
| 第三章 基于时频分析的信号分类研究 | 第46-66页 |
| 3．1 引言 | 第46-48页 |
| 3．2 信号的时频分布与核函数 | 第48-53页 |
| 3．2．1 Wigner-Ville分布 | 第48-51页 |
| 3．2．2 Cohen类时频表示的核函数 | 第51-53页 |
| 3．3 基于信号分类的核函数选择 | 第53-60页 |
| 3．3．1 基于时频分布的信号分类 | 第53-54页 |
| 3．3．2 距离测度与时频分布的选择 | 第54-56页 |
| 3．3．3 基于分类的核函数的优化设计 | 第56-58页 |
| 3．3．4 核函数与距离测度的联合优化 | 第58-60页 |
| 3．4 仿真实验-SAR运动目标分类 | 第60-63页 |
| 3．5 小结与讨论 | 第63-66页 |
| 第四章 基于小波包分析的信号分类 | 第66-85页 |
| 4．1 引言 | 第66-67页 |
| 4．2 小波包的分解与重构 | 第67-71页 |
| 4．2．1 小波变换 | 第67-68页 |
| 4．2．2 小波包分解与重构 | 第68-71页 |
| 4．3 在分类准则下的最优小波包基选择 | 第71-74页 |
| 4．3．1 基于距离准则的最优小波包基 | 第71-73页 |
| 4．3．2 基于嫡准则的最优小波包基 | 第73-74页 |
| 4．4 基于小波包的信号分类 | 第74-77页 |
| 4．4．1 信号分解 | 第74-75页 |
| 4．4．2 小波包系数的计算 | 第75-76页 |
| 4．4．3 信号分类 | 第76页 |
| 4．4．4 仿真结果讨论 | 第76-77页 |
| 4．5 基于小波包的图像去噪分类 | 第77-82页 |
| 4．5．1 噪声的小波变换特性 | 第78-79页 |
| 4．5．2 基于小波包的图像特征提取 | 第79-81页 |
| 4．5．3 基于小波包的SAR图像去噪分类 | 第81-82页 |
| 4．6 小结与讨论 | 第82-85页 |
| 第五章 基于支撑矢量机的信号分类 | 第85-106页 |
| 5．1 引言 | 第85-86页 |
| 5．2 支撑矢量机的分类机理 | 第86-93页 |
| 5．2．1 结构风险最小化原则 | 第86-87页 |
| 5．2．2 线性支撑矢量机 | 第87-89页 |
| 5．2．3 非线性支撑矢量机 | 第89-91页 |
| 5．2．4 近似支撑矢量机 | 第91-93页 |
| 5．3 雷达目标分类系统仿真 | 第93-98页 |
| 5．3．1 基于核的主分量分析(KPCA)进行特征提取 | 第96-97页 |
| 5．3．2 分类结果讨论 | 第97-98页 |
| 5．4 基于支撑矢量机和时频分布的非平稳信号分类 | 第98-103页 |
| 5．4．1 问题的提出 | 第98-99页 |
| 5．4．2 核函数的设计 | 第99-102页 |
| 5．4．3 仿真实验——SAR运动目标分类 | 第102-103页 |
| 5．5 小结与讨论 | 第103-106页 |
| 第六章 基于小波变换和支撑矢量机的SAR图像分类 | 第106-125页 |
| 6．1 引言 | 第106-107页 |
| 6．2 SAR图像分割 | 第107-113页 |
| 6．2．1 图像分割的定义 | 第107-108页 |
| 6．2．2 图像分割的基本方法 | 第108-113页 |
| 6．3 SAR图象特征提取 | 第113-118页 |
| 6．3．1 纹理特征 | 第114-117页 |
| 6．3．2 基于小波变换的图像特征融合 | 第117-118页 |
| 6．4 基于小波变换和支撑矢量机的SAR图像分类 | 第118-123页 |
| 6．4．1 仿真实验1 | 第118-119页 |
| 6．4．2 仿真实验2-纹理图像库的分类 | 第119-123页 |
| 6．5 小结与讨论 | 第123-125页 |
| 第七章 总结与展望 | 第125-128页 |
| 7．1 总结 | 第125-126页 |
| 7．2 展望 | 第126-128页 |
| 致谢 | 第128-129页 |
| 攻读博士学位期间的主要成果 | 第129-130页 |