复杂体制雷达辐射源信号脉冲重复间隔调制识别
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 目录 | 第9-12页 |
| 第1章 绪论 | 第12-20页 |
| ·引言 | 第12页 |
| ·雷达辐射源信号识别概述 | 第12-14页 |
| ·国内外研究现状分析 | 第14-18页 |
| ·论文的研究思路 | 第18页 |
| ·论文的主要工作和组织形式 | 第18-20页 |
| 第2章 脉冲列信号模型分析与信号源实现 | 第20-27页 |
| ·引言 | 第20页 |
| ·雷达截获系统脉冲信号参数分析 | 第20-22页 |
| ·复杂体制PRI调制辐射源信号模型 | 第22-24页 |
| ·影响信号分析和识别的因素 | 第24页 |
| ·信号源软件实现 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第3章 雷达辐射源信号识别模型 | 第27-32页 |
| ·引言 | 第27页 |
| ·雷达辐射源信号识别方法及模型 | 第27-30页 |
| ·知识库识别方法 | 第28页 |
| ·数据融合 | 第28-29页 |
| ·智能识别方法 | 第29-30页 |
| ·基于信号参数特征提取的信号识别模型 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第4章 辐射源信号脉冲列特征提取 | 第32-40页 |
| ·引言 | 第32页 |
| ·脉冲PRI序列分析 | 第32-33页 |
| ·不同体制辐射源信号脉冲列分析 | 第33-35页 |
| ·特征提取 | 第35-36页 |
| ·频率特征提取 | 第35-36页 |
| ·形状特征提取 | 第36页 |
| ·实验仿真 | 第36-38页 |
| ·小结 | 第38-40页 |
| 第5章 基于神经网络的脉冲重复间隔调制识别 | 第40-46页 |
| ·引言 | 第40页 |
| ·神经网络选择及分类器设计 | 第40-42页 |
| ·网络选择 | 第40-42页 |
| ·分类器设计 | 第42页 |
| ·测试数据 | 第42-43页 |
| ·仿真实验及结果分析 | 第43-45页 |
| ·无噪声样本的识别结果 | 第43-44页 |
| ·有噪声样本的识别结果 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第6章 基于支持向量机的脉冲重复间隔调制识别 | 第46-62页 |
| ·引言 | 第46页 |
| ·支持向量机数学描述 | 第46-51页 |
| ·线性可分支持向量机的数学描述 | 第47-50页 |
| ·线性可分支持向量机的一般推广 | 第50-51页 |
| ·非线性支持向量机分类器 | 第51页 |
| ·支持向量机分类器中核的分析 | 第51-54页 |
| ·支持向量机分类器应用示例 | 第54-55页 |
| ·多分类支持向量机分类器设计 | 第55-57页 |
| ·基于支持向量机的辐射源信号识别 | 第57-60页 |
| ·无噪声样本的识别结果 | 第57-58页 |
| ·有噪声样本的识别结果 | 第58-59页 |
| ·SVM与PNN分类器分类结果对比 | 第59-60页 |
| ·小结 | 第60-62页 |
| 第7章 结论与展望 | 第62-64页 |
| ·结论 | 第62-63页 |
| ·展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读学位期间发表的学术论文及科研成果 | 第70-71页 |
| 论文发表情况 | 第70-71页 |
| 参加项目及科研: | 第71页 |
