| 摘要 | 第1-15页 |
| Abstract | 第15-18页 |
| 第一章 绪论 | 第18-31页 |
| ·研究背景与意义 | 第18-19页 |
| ·研究现状与发展趋势 | 第19-27页 |
| ·装备/实验层面 | 第20-22页 |
| ·技术/理论层面 | 第22-27页 |
| ·论文的主要内容和组织结构 | 第27-31页 |
| ·主要内容 | 第27-29页 |
| ·组织结构 | 第29-30页 |
| ·数据介绍 | 第30-31页 |
| 第二章 雷达高分辨距离像的基本理论 | 第31-48页 |
| ·引言 | 第31页 |
| ·高分辨距离像的形成原理与数学模型 | 第31-33页 |
| ·高分辨距离像特性分析 | 第33-39页 |
| ·幅度敏感性 | 第33-34页 |
| ·平移敏感性 | 第34-35页 |
| ·姿态敏感性 | 第35-39页 |
| ·距离分辨力 | 第39-47页 |
| ·名义分辨力 | 第40-41页 |
| ·功能分辨力 | 第41-47页 |
| ·本章小结 | 第47-48页 |
| 第三章 雷达高分辨距离像闪烁现象机理研究 | 第48-84页 |
| ·引言 | 第48-49页 |
| ·HRRP 闪烁现象产生机理分析 | 第49-62页 |
| ·闪烁现象的数学模型与“伪双峰”特性 | 第49-52页 |
| ·闪烁现象发生条件的深入理解 | 第52-55页 |
| ·闪烁现象的发生概率 | 第55-57页 |
| ·实验结果与分析 | 第57-62页 |
| ·闪烁对平均 HRRP 模板库的影响 | 第62-73页 |
| ·闪烁对平均 HRRP 模板形状的影响 | 第62-63页 |
| ·闪烁对平均 HRRP 模板数量的影响 | 第63-73页 |
| ·闪烁对典型 HRRP 特征的影响 | 第73-82页 |
| ·对典型 HRRP 结构特征的影响 | 第73-75页 |
| ·对典型 HRRP 谱特征的影响 | 第75-82页 |
| ·本章小结 | 第82-84页 |
| 第四章 基于 HRRP 幅度起伏特性的目标横向尺寸快速估计 | 第84-100页 |
| ·引言 | 第84-85页 |
| ·雷达高分辨回波建模与分析 | 第85-88页 |
| ·高分辨回波建模 | 第85-86页 |
| ·高分辨回波功率的频谱特性 | 第86-88页 |
| ·“局部”横向尺寸与“目标横向尺寸” | 第88页 |
| ·利用 HRRP 的低分辨回波合成 | 第88-91页 |
| ·低分辨回波合成原理 | 第88-89页 |
| ·实例与误差分析 | 第89-91页 |
| ·基于 HRRP 幅度起伏特性的目标横向尺寸快速估计方法 | 第91-95页 |
| ·实现流程 | 第91-92页 |
| ·性能分析 | 第92-95页 |
| ·实验与性能分析 | 第95-99页 |
| ·仿真实验 | 第95-96页 |
| ·暗室实验 | 第96-99页 |
| ·小结 | 第99-100页 |
| 第五章 基于自适应幂变换的 HRRP 识别方法研究 | 第100-124页 |
| ·引言 | 第100-101页 |
| ·HRRP 统计特性分析 | 第101-108页 |
| ·距离单元回波的统计特性分析 | 第101-106页 |
| ·HRRP 各距离单元间的相关性分析 | 第106-107页 |
| ·HRRP 统计特性分析 | 第107-108页 |
| ·幂变换特性分析与参数估计 | 第108-114页 |
| ·幂变换与 Box-Cox 变换 | 第108页 |
| ·基于高阶矩的幂变换参数学习 | 第108-110页 |
| ·基于松弛偏峰度正态检验的幂变换参数学习 | 第110-113页 |
| ·举例说明 | 第113-114页 |
| ·HRRP 的幂变换特性分析 | 第114-119页 |
| ·基本类型距离单元回波的幂变换特性 | 第115-118页 |
| ·HRRP 幂变换特性 | 第118-119页 |
| ·基于自适应幂变换的 HRRP 识别方法 | 第119-120页 |
| ·训练过程 | 第119页 |
| ·测试过程 | 第119-120页 |
| ·实验结果与分析 | 第120-123页 |
| ·数据说明 | 第120-121页 |
| ·实验结果与分析 | 第121-123页 |
| ·本章小结 | 第123-124页 |
| 第六章 基于样本紧密度的 HRRP 识别方法研究 | 第124-139页 |
| ·引言 | 第124-125页 |
| ·HRRP 的空间拓扑特性分析与表示 | 第125-128页 |
| ·HRRP 在单位超球面上的分布特性 | 第125-126页 |
| ·HRRP 空间分布的表示 | 第126-128页 |
| ·基于距离单元稳定性差异的加权 HRRP 特征提取 | 第128-129页 |
| ·“类心+紧密度球”模板的构造 | 第129-132页 |
| ·基于最小经验风险准则的“类心+紧密度球”模板 | 第129页 |
| ·基于二次规划的“类心+紧密度球”模板 | 第129-132页 |
| ·基于样本紧密度的 HRRP 识别方法 | 第132-135页 |
| ·基于“紧密度球”的距离计算 | 第132-134页 |
| ·训练过程 | 第134-135页 |
| ·测试过程 | 第135页 |
| ·实验结果与分析 | 第135-138页 |
| 实验一：基于距离单元稳定性差异的加权 HRRP 特征的稳定性分析 | 第135-136页 |
| 实验二：MSTAR 数据的紧密度球特性分析 | 第136-137页 |
| 实验三：识别性能对比分析 | 第137-138页 |
| ·本章小结 | 第138-139页 |
| 第七章 基于稀疏表示的 HRRP 识别方法研究 | 第139-149页 |
| ·引言 | 第139-140页 |
| ·利用稀疏性的 HRRP 平移不变特征提取 | 第140-142页 |
| ·利用稀疏性的 HRRP 随机特征提取 | 第140-141页 |
| ·HRRP 的平移不变随机特征提取 | 第141-142页 |
| ·基于散射中心模型-稀疏表示的 HRRP 识别方法 | 第142-144页 |
| ·稀疏表示分类器 (SRC, Sparse Representation-based Classifier) | 第142页 |
| ·“散射中心模型表示残差”的定义 | 第142-143页 |
| ·基于散射中心模型-稀疏表示的 HRRP 识别方法 | 第143-144页 |
| ·实验结果与分析 | 第144-148页 |
| 实验一：KNN、SRC 与 SCM-SRC 的识别性能比较 | 第144-146页 |
| 实验二：随机特征维数对 SRC、SCM-SRC 识别性能的影响 | 第146-147页 |
| 实验三：词典对 SRC、SCM-SRC 识别性能的影响 | 第147-148页 |
| ·本章小结 | 第148-149页 |
| 第八章 结论与展望 | 第149-152页 |
| ·工作总结 | 第149-150页 |
| ·下一步工作 | 第150-152页 |
| 致谢 | 第152-154页 |
| 参考文献 | 第154-165页 |
| 作者在学期间取得的学术成果 | 第165-166页 |
| 作者在攻读博士学位期间参与的项目和获奖情况 | 第166页 |
