| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-23页 |
| ·研究背景及意义 | 第13-14页 |
| ·毫米波探测系统研究现状 | 第14-17页 |
| ·毫米波雷达发展及研究现状 | 第14-16页 |
| ·毫米波辐射计发展及研究现状 | 第16页 |
| ·毫米波主被动复合探测系统研究现状 | 第16-17页 |
| ·毫米波探测系统相关信号处理技术 | 第17-20页 |
| ·信号去噪技术 | 第17-18页 |
| ·特征提取技术 | 第18-19页 |
| ·目标识别技术 | 第19-20页 |
| ·本文内容安排及创新点 | 第20-23页 |
| ·本文主要工作及内容安排 | 第20-21页 |
| ·本文创新点 | 第21-23页 |
| 2 毫米波探测系统原理 | 第23-35页 |
| ·被动毫米波探测系统原理及应用 | 第23-27页 |
| ·毫米波辐射计目标探测原理 | 第23-24页 |
| ·全功率毫米波辐射计 | 第24-26页 |
| ·被动毫米波成像技术 | 第26-27页 |
| ·毫米波高分辨率雷达 | 第27-33页 |
| ·毫米波脉间频率步进雷达工作原理 | 第28-29页 |
| ·频率步进信号分析 | 第29-31页 |
| ·高分辨率一维距离像的特性 | 第31-32页 |
| ·毫米波脉间频率步进雷达实例 | 第32-33页 |
| ·毫米波主被动复合探测系统 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 3 基于小波变换的毫米波探测器信号实时去噪 | 第35-46页 |
| ·引言 | 第35-36页 |
| ·提升小波变换 | 第36-38页 |
| ·基于提升9-7小波的被动毫米波探测器信号实时去噪 | 第38-45页 |
| ·引言 | 第38-39页 |
| ·提升9-7小波变换 | 第39-41页 |
| ·信号去噪效果分析 | 第41-42页 |
| ·算法计算量分析及信号实时去噪 | 第42-44页 |
| ·小结 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 4 基于流形学习的信号特征提取方法研究 | 第46-89页 |
| ·引言 | 第46-47页 |
| ·流形学习的发展及研究现状 | 第47-49页 |
| ·典型流形学习算法简介 | 第49-59页 |
| ·流形学习中的一些数学定义 | 第49-51页 |
| ·等距映射(Isomap) | 第51-53页 |
| ·局部线性嵌入(LLE) | 第53-54页 |
| ·拉普拉斯特征映射(LE) | 第54-56页 |
| ·局部切空间排列(LTSA) | 第56-57页 |
| ·局部保持映射(LPP) | 第57-58页 |
| ·邻域保持投影(NPP) | 第58-59页 |
| ·基于LE算法的毫米波探测器信号特征提取 | 第59-68页 |
| ·引言 | 第59-60页 |
| ·被动毫米波探测器信号特征提取 | 第60-63页 |
| ·被动毫米波探测器目标识别实验 | 第63-65页 |
| ·毫米波高分辨率一维距离像特征提取 | 第65-67页 |
| ·毫米波高分辨率一维距离像目标识别实验 | 第67-68页 |
| ·小结 | 第68页 |
| ·邻域保持判别投影(NPDP) | 第68-74页 |
| ·引言 | 第68-69页 |
| ·算法步骤及推导 | 第69-70页 |
| ·毫米波高分辨率一维距离像目标识别实验 | 第70-74页 |
| ·小结 | 第74页 |
| ·非相关邻域保持投影(UNPP) | 第74-78页 |
| ·引言 | 第74页 |
| ·算法步骤及推导 | 第74-76页 |
| ·毫米波高分辨率一维距离像目标识别实验 | 第76-78页 |
| ·小结 | 第78页 |
| ·核非相关邻域保持投影(KUNPP) | 第78-82页 |
| ·引言 | 第78页 |
| ·算法步骤及推导 | 第78-80页 |
| ·毫米波高分辨率一维距离像目标识别实验 | 第80-82页 |
| ·小结 | 第82页 |
| ·非相关判别邻域保持投影(UDNPP) | 第82-87页 |
| ·引言 | 第82页 |
| ·算法步骤及推导 | 第82-83页 |
| ·核非相关判别邻域保持投影(Kernel UDNPP,KUDNPP) | 第83-84页 |
| ·毫米波高分辨率一维距离像目标识别实验 | 第84-87页 |
| ·小结 | 第87页 |
| ·本章小结 | 第87-89页 |
| 5 目标识别技术中的分类算法研究 | 第89-108页 |
| ·引言 | 第89-90页 |
| ·基于改进权重模糊综合评判方法的目标识别 | 第90-97页 |
| ·引言 | 第90页 |
| ·模糊综合评判模型 | 第90-92页 |
| ·改进的权向量确定方法 | 第92页 |
| ·实验及结果分析 | 第92-97页 |
| ·小结 | 第97页 |
| ·基于LLE的单类分类算法及其在目标识别中的应用 | 第97-102页 |
| ·引言 | 第97页 |
| ·基于LLE的单类分类算法 | 第97-99页 |
| ·实验及结果分析 | 第99-102页 |
| ·小结 | 第102页 |
| ·基于LLE的多类分类算法及其在目标识别中的应用 | 第102-106页 |
| ·引言 | 第102页 |
| ·基于LLE的多类分类算法 | 第102-104页 |
| ·实验及结果分析 | 第104-106页 |
| ·引结 | 第106页 |
| ·本章小结 | 第106-108页 |
| 6 总结与展望 | 第108-111页 |
| ·全文总结 | 第108-109页 |
| ·作展望 | 第109-111页 |
| 致谢 | 第111-112页 |
| 参考文献 | 第112-124页 |
| 攻读博士期间发表的学术论文 | 第124页 |