| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-6页 |
| 1 绪论 | 第6-13页 |
| 1．1 末敏弹的意义和地位 | 第6页 |
| 1．2 国内外末敏弹的研究历史与现状 | 第6-8页 |
| 1．3 末敏弹的工作原理 | 第8-9页 |
| 1．4 末敏弹系统目标识别技术 | 第9-11页 |
| 1．5 本文所做的工作 | 第11-13页 |
| 2 毫米波辐射计的探测原理及波形模拟 | 第13-23页 |
| 2．1 问题背景 | 第13页 |
| 2．2 毫米波辐射计工作原理 | 第13-18页 |
| 2．2．1 天线接收到的总功率和黑体温度的对应关系 | 第14-15页 |
| 2．2．2 物体的表面辐射温度 | 第15-17页 |
| 2．2．3 毫米波全功率辐射计工作原理 | 第17-18页 |
| 2．3 辐射计输出信号的特点 | 第18-23页 |
| 2．3．1 辐射计输出信号的数学模型 | 第18-21页 |
| 2．3．2 辐射计输出信号的特点 | 第21-23页 |
| 3 毫米波辐射计输出信号的预处理及特征提取 | 第23-34页 |
| 3．1 目标识别的基本过程 | 第23-24页 |
| 3．2 信号获取和预处理 | 第24-27页 |
| 3．2．1 信号的获取 | 第24页 |
| 3．2．2 信号的预处理 | 第24-27页 |
| 3．3 信号特征量的提取 | 第27-34页 |
| 3．3．2 时域特征 | 第29-31页 |
| 3．3．3 对信号特征提取的进一步探讨 | 第31-34页 |
| 4 目标分类判决算法 | 第34-56页 |
| 4．1 最小距离分类法 | 第34-37页 |
| 4．2 模糊分类方法 | 第37-46页 |
| 4．2．1 模糊数学和模糊模式识别理论 | 第38-41页 |
| 4．2．2 模糊分类算法 | 第41-44页 |
| 4．2．3 模糊分类算法的改进 | 第44页 |
| 4．2．4 仿真结果及其分析 | 第44-46页 |
| 4．3 基于神经网络的模式识别 | 第46-56页 |
| 4．3．1 神经网络概述 | 第46-47页 |
| 4．3．2 BP网络的结构与工作原理 | 第47-52页 |
| 4．3．3 BP网络在论文中的结构设计 | 第52-53页 |
| 4．3．4 仿真结果及其分析 | 第53-56页 |
| 5 毫米波/红外探测系统的数据融合 | 第56-68页 |
| 5．1 数据融合技术概述 | 第56-61页 |
| 5．1．1 数据融合的目的和意义 | 第56-58页 |
| 5．1．2 数据融合的层次 | 第58-59页 |
| 5．1．3 数据融合的方法 | 第59-61页 |
| 5．1．4 本文中所使用的数据融合技术 | 第61页 |
| 5．2 末敏弹红外探测系统的简单介绍 | 第61-62页 |
| 5．3 基于D-S证据理论的信息融合技术 | 第62-68页 |
| 5．3．1 主要设计思想 | 第62-63页 |
| 5．3．2 证据理论基本概念 | 第63-64页 |
| 5．3．3 基本概率分配函数的算法研究： | 第64-66页 |
| 5．3．4 目标分类判定规则 | 第66页 |
| 5．3．5 仿真结果及其分析 | 第66-68页 |
| 6 目标识别系统软件设计 | 第68-74页 |
| 6．1 Matlab与C++结合的有效途径 | 第68-71页 |
| 6．2 末敏弹目标识别仿真软件介绍 | 第71-74页 |
| 结束语 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |