| 摘要 | 第1-15页 |
| Abstract | 第15-17页 |
| 第一章 绪论 | 第17-33页 |
| ·课题背景及研究意义 | 第17页 |
| ·雷达辐射源识别中的主要问题 | 第17-19页 |
| ·本文相关问题的研究现状 | 第19-29页 |
| ·雷达辐射源建模研究现状 | 第19-21页 |
| ·雷达辐射源识别中的不确定信息处理研究现状 | 第21-27页 |
| ·多功能雷达辐射源识别研究现状 | 第27-29页 |
| ·本文的研究内容 | 第29-33页 |
| 第二章 雷达辐射源联合参数建模技术及识别问题概述 | 第33-47页 |
| ·引言 | 第33-34页 |
| ·雷达辐射源联合参数建模方法 | 第34-37页 |
| ·联合参数建模模型 | 第34-35页 |
| ·联合参数建模方法的应用实例 | 第35-37页 |
| ·基于联合参数建模的识别方法 | 第37-41页 |
| ·数据段划分 | 第37-38页 |
| ·单段置信度计算 | 第38-41页 |
| ·总置信度计算及决策判断 | 第41页 |
| ·仿真实验与分析 | 第41-45页 |
| ·雷达辐射源识别的不确定性问题 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 区间类型特征参数的雷达辐射源识别技术 | 第47-85页 |
| ·引言 | 第47-48页 |
| ·区间类型参数的不确定性建模 | 第48页 |
| ·基于矢量神经网络组合的雷达辐射源识别方法 | 第48-62页 |
| ·矢量神经网络组合算法 | 第49-54页 |
| ·计算量分析 | 第54-57页 |
| ·实验结果与分析 | 第57-62页 |
| ·基于云模型和矢量神经网络的雷达辐射源识别方法 | 第62-74页 |
| ·结构框架 | 第62-63页 |
| ·算法描述 | 第63-68页 |
| ·实验结果与分析 | 第68-74页 |
| ·基于区间证据理论的雷达辐射源融合识别方法 | 第74-81页 |
| ·问题描述 | 第74-75页 |
| ·基于区间证据理论的融合识别方法 | 第75-78页 |
| ·仿真实验与分析 | 第78-81页 |
| ·本章小结 | 第81-85页 |
| 第四章 残缺类型特征参数的雷达辐射源识别技术 | 第85-107页 |
| ·引言 | 第85页 |
| ·残缺类型参数的不确定性建模 | 第85-86页 |
| ·基于神经网络增量学习的雷达辐射源识别方法 | 第86-98页 |
| ·矢量神经网络 | 第87-88页 |
| ·基于矢量神经网络集成的增量学习算法 | 第88-91页 |
| ·实验结果与分析 | 第91-98页 |
| ·基于缺失数据填补的雷达辐射源识别方法 | 第98-105页 |
| ·修正CVNN 网络 | 第98页 |
| ·基于缺失数据填补的识别方法 | 第98-101页 |
| ·判决准则 | 第101页 |
| ·实验结果与分析 | 第101-105页 |
| ·本章小结 | 第105-107页 |
| 第五章 多功能雷达辐射源句法识别技术 | 第107-145页 |
| ·引言 | 第107-108页 |
| ·多功能雷达辐射源句法模式识别概述 | 第108-111页 |
| ·多功能雷达辐射源的识别特点 | 第108-109页 |
| ·句法模式识别的基本概念 | 第109-111页 |
| ·基于三级匹配的多功能雷达辐射源雷达字提取方法 | 第111-121页 |
| ·问题描述 | 第111-112页 |
| ·基于三级匹配的雷达字提取方法 | 第112-117页 |
| ·仿真实验与分析 | 第117-121页 |
| ·基于随机文法的多功能雷达辐射源识别方法 | 第121-133页 |
| ·问题描述及识别框架 | 第121-123页 |
| ·基于随机有限自动机的识别方法 | 第123-125页 |
| ·基于随机下推自动机的识别方法 | 第125-127页 |
| ·仿真实验与分析 | 第127-133页 |
| ·基于随机句法引导翻译器的多功能雷达辐射源识别方法 | 第133-143页 |
| ·问题描述 | 第133-135页 |
| ·基于随机句法引导翻译器的识别方法 | 第135-139页 |
| ·仿真实验与分析 | 第139-143页 |
| ·本章小结 | 第143-145页 |
| 第六章 结论与展望 | 第145-147页 |
| 致谢 | 第147-149页 |
| 参考文献 | 第149-163页 |
| 作者在学期间取得的学术成果 | 第163-165页 |
| 作者在学期间参与的科研项目 | 第165页 |