| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景与研究意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 弹道目标识别研究现状 | 第14-15页 |
| 1.2.2 神经网络研究现状 | 第15-17页 |
| 1.3 论文工作和结构安排 | 第17-20页 |
| 1.3.1 论文主要工作 | 第17页 |
| 1.3.2 论文组织结构 | 第17-20页 |
| 第二章 弹道目标红外辐射特性理论分析 | 第20-40页 |
| 2.1 引言 | 第20页 |
| 2.2 弹道导弹目标识别特征 | 第20-22页 |
| 2.2.1 弹道目标飞行阶段 | 第20-21页 |
| 2.2.2 中段目标群主要特点 | 第21-22页 |
| 2.3 中段目标群几何与运动姿态模型分析 | 第22-26页 |
| 2.3.1 目标几何模型分析 | 第22-23页 |
| 2.3.2 目标姿态运动模型分析 | 第23-26页 |
| 2.4 弹道目标温度场信息计算 | 第26-31页 |
| 2.4.1 节点热平衡方程理论 | 第26-27页 |
| 2.4.2 弹道目标表面温度场计算 | 第27-29页 |
| 2.4.3 辐射角系数的求解 | 第29-31页 |
| 2.5 弹道目标红外辐射通量计算 | 第31-33页 |
| 2.6 典型弹道目标的红外辐射特性仿真分析 | 第33-37页 |
| 2.6.1 量化与显示 | 第33-34页 |
| 2.6.2 弹道目标红外辐射特性相关参数取值 | 第34-37页 |
| 2.7 本章小结 | 第37-40页 |
| 第三章 弹道目标识别卷积神经网络算法研究 | 第40-56页 |
| 3.1 引言 | 第40页 |
| 3.2 卷积神经网络基本思想与网络结构 | 第40-43页 |
| 3.2.1 稀疏矩阵与权值共享 | 第41-42页 |
| 3.2.2 降采样 | 第42-43页 |
| 3.2.3 卷积神经网络基本结构 | 第43页 |
| 3.3 基于红外辐射变化波形弹道目标识别卷积神经网络模型构造 | 第43-48页 |
| 3.3.1 卷积层与降采样层的构建 | 第43-44页 |
| 3.3.2 分类层的构建 | 第44-48页 |
| 3.4 卷积神经网络的训练过程 | 第48-51页 |
| 3.4.1 卷积神经网络的前向传播 | 第48页 |
| 3.4.2 卷积神经网络的反向传播 | 第48-51页 |
| 3.5 实验结果与分析 | 第51-55页 |
| 3.5.1 数据集的大小与分类 | 第51-52页 |
| 3.5.2 实验结果与分析 | 第52-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第四章 弹道目标识别径向基神经网络算法研究 | 第56-74页 |
| 4.1 引言 | 第56页 |
| 4.2 径向基神经网络理论基础 | 第56-60页 |
| 4.2.1 径向基神经网络拓扑结构 | 第56-57页 |
| 4.2.2 径向基神经网络元素 | 第57-60页 |
| 4.3 径向基神经网络学习算法 | 第60-63页 |
| 4.3.1 径向基函数中心向量的确定 | 第60-61页 |
| 4.3.2 梯度下降的网络训练算法 | 第61-63页 |
| 4.4 极限学习机算法与ELM-RBF神经网络学习算法 | 第63-67页 |
| 4.4.1 极限学习机原理与算法概述 | 第63-66页 |
| 4.4.2 ELM-RBF神经网络学习算法 | 第66-67页 |
| 4.5 实验结论与分析 | 第67-72页 |
| 4.6 小结 | 第72-74页 |
| 第五章 结束语 | 第74-76页 |
| 5.1 全文工作总结 | 第74-75页 |
| 5.2 未来工作和展望 | 第75-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 作者在学期间取得的学术成果 | 第82页 |