| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 侦察数据库的国内外研究现状 | 第11-12页 |
| 1.2.2 信号分选的国内外研究现状 | 第12-13页 |
| 1.2.3 认知电子战的国内外研究现状 | 第13-14页 |
| 1.3 本论文研究内容 | 第14页 |
| 1.4 本论文章节安排 | 第14-16页 |
| 第2章 认知侦察中信号分选的辅助环节 | 第16-30页 |
| 2.1 认知侦察的基本概念与结构 | 第16-19页 |
| 2.1.1 认知概念的提出 | 第16-17页 |
| 2.1.2 认知侦察模块的结构 | 第17页 |
| 2.1.3 认知侦察模块的关键环节 | 第17-19页 |
| 2.2 认知侦察中信号分选的辅助环节 | 第19-28页 |
| 2.2.1 具有认知能力的侦察数据库存储及结构 | 第19-26页 |
| 2.2.2 具有认知能力的数据库处理结果 | 第26-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第3章 认知侦察中信号分选方法的研究 | 第30-57页 |
| 3.1 传统信号分选方法 | 第30-43页 |
| 3.1.1 根据脉冲重复间隔区分的雷达类型 | 第30-32页 |
| 3.1.2 传统信号预分选算法及仿真 | 第32-40页 |
| 3.1.3 传统信号主分选算法及分选准确率 | 第40-43页 |
| 3.2 单脉冲参数信号分选方法 | 第43-56页 |
| 3.2.1 单脉冲参数信号分选方法的原理 | 第43-48页 |
| 3.2.2 单脉冲参数信号分选的实现方法 | 第48-56页 |
| 3.3 本章小结 | 第56-57页 |
| 第4章 VGGNet结构卷积神经网络在信号分选中的应用 | 第57-67页 |
| 4.1 卷积神经网络和信号分选的结合 | 第57-61页 |
| 4.1.1 几种卷积神经网络结构 | 第57-60页 |
| 4.1.2 卷积神经网络在信号分选中的应用 | 第60-61页 |
| 4.2 VGG-16 卷积神经网络算法在单脉冲信号分选中的应用 | 第61-64页 |
| 4.2.1 VGG-16 卷积神经网络 | 第61-63页 |
| 4.2.2 VGG-16 卷积神经网络和单脉冲参数信号分选的结合 | 第63-64页 |
| 4.3 基于VGG-16 的卷积神经网络的单脉冲信号分选仿真 | 第64-66页 |
| 4.4 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第73-74页 |
| 致谢 | 第74页 |
