基于S变换和改进人工蜂群算法的超宽带目标探测识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 引言 | 第9-10页 |
| 1.2 研究背景 | 第10-14页 |
| 1.2.1 超宽带技术定义 | 第10-11页 |
| 1.2.2 超宽带发展历史和现状 | 第11页 |
| 1.2.3 超宽带技术特点与应用领域 | 第11-12页 |
| 1.2.4 课题研究的现状和意义 | 第12-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 论文组织架构 | 第15-17页 |
| 第二章 时频分析理论及降维算法 | 第17-27页 |
| 2.1 时频分析理论 | 第17-19页 |
| 2.1.1 时频分析定义 | 第17页 |
| 2.1.2 时频分析方法 | 第17-19页 |
| 2.2 模式识别与降维算法 | 第19-24页 |
| 2.2.1 模式识别概述 | 第20页 |
| 2.2.2 降维算法概述 | 第20-21页 |
| 2.2.3 三种机器学习降维算法 | 第21-24页 |
| 2.2.4 不同降维算法的比较 | 第24页 |
| 2.3 本章小结 | 第24-27页 |
| 第三章 基于S变换和改进算法的目标识别模型 | 第27-41页 |
| 3.1 系统原理与模型 | 第27-29页 |
| 3.2 超宽带收发系统模型 | 第29-30页 |
| 3.3 通过S变换处理UWB接收信号 | 第30-31页 |
| 3.4 降维算法实现数据降维 | 第31页 |
| 3.5 群智能优化算法 | 第31-40页 |
| 3.5.1 概述 | 第31页 |
| 3.5.2 常用群智能优化算法 | 第31-34页 |
| 3.5.3 人工蜂群算法 | 第34-36页 |
| 3.5.4 群智能算法性能比较 | 第36-39页 |
| 3.5.5 改进的人工蜂群算法 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 实际测量及算法验证 | 第41-51页 |
| 4.1 目标识别流程 | 第41页 |
| 4.2 测量场景和数据采集 | 第41-43页 |
| 4.3 S变换处理和降维处理 | 第43-47页 |
| 4.3.1 S变换处理原始归一化数据 | 第43-44页 |
| 4.3.2 数据降维分析 | 第44-46页 |
| 4.3.3 分类器参数处理分析 | 第46-47页 |
| 4.4 群智能算法优化性能比较 | 第47-49页 |
| 4.4.1 算法优化横向比较 | 第47-48页 |
| 4.4.2 算法优化纵向比较 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 全文总结 | 第51-55页 |
| 5.1 文章主要成果 | 第51-52页 |
| 5.2 超宽带目标识别研究展望 | 第52-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 作者攻读学位期间发表的学术论文目录 | 第61页 |
