未知雷达信号侦察处理的学习算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·引言 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·脉内特征分析的研究现状 | 第8页 |
| ·学习算法的研究现状 | 第8-9页 |
| ·本文的主要结构 | 第9-11页 |
| 第二章 雷达信号侦察处理的基本模型 | 第11-17页 |
| ·数字接收机的基本结构 | 第11-12页 |
| ·信道化数字接收机的系统组成与工作原理 | 第12-14页 |
| ·雷达信号侦察处理的基本模型 | 第14-15页 |
| ·信号预处理 | 第14-15页 |
| ·信号主处理 | 第15页 |
| ·小结 | 第15-17页 |
| 第三章 未知雷达信号的特征提取 | 第17-33页 |
| ·电子战信号环境 | 第17-19页 |
| ·几种基本信号的形式 | 第19-20页 |
| ·单载频信号（NS） | 第19页 |
| ·线性调频信号（LFM） | 第19页 |
| ·二相编码信号（BPSK） | 第19-20页 |
| ·频率编码信号（FSK） | 第20页 |
| ·几种常用的时频分析方法 | 第20-32页 |
| ·瞬时自相关 | 第20-22页 |
| ·短时傅里叶变换 | 第22-24页 |
| ·WVD分布 | 第24-27页 |
| ·小波变换 | 第27-28页 |
| ·几种方法的比较 | 第28-32页 |
| ·小结 | 第32-33页 |
| 第四章 未知雷达信号分类处理的学习算法 | 第33-51页 |
| ·基于决策树的辐射源识别算法 | 第33-37页 |
| ·决策树 | 第33页 |
| ·Fisher线性判别准则 | 第33-36页 |
| ·基于决策树的辐射源识别流程 | 第36-37页 |
| ·基于人工神经网络的辐射源识别算法 | 第37-47页 |
| ·BP神经网络的结构 | 第37-38页 |
| ·BP网络的学习算法 | 第38-41页 |
| ·BP网络模型的改进 | 第41-42页 |
| ·BP网络设计 | 第42-44页 |
| ·基于神经网络的辐射源识别算法设计 | 第44-47页 |
| ·两种分类处理算法的比较 | 第47-49页 |
| ·网络训练的时间复杂度 | 第47-48页 |
| ·分类算法正确率 | 第48-49页 |
| ·小结 | 第49-51页 |
| 第五章 系统仿真 | 第51-59页 |
| ·基于决策树的辐射源识别算法 | 第51-52页 |
| ·基于神经网络的辐射源识别算法 | 第52-56页 |
| ·不同迭代次数下各算法的识别率 | 第53-55页 |
| ·不同数量训练样本训练下各算法的识别率 | 第55-56页 |
| ·小结 | 第56-59页 |
| 第六章 结束语 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 读研期间的研究成果 | 第67-68页 |
