基于压缩感知的雷达一维距离像目标识别
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 本文研究背景和意义 | 第10-11页 |
| 1.2 雷达一维距离像目标识别研究现状 | 第11-13页 |
| 1.2.1 数据的预处理方法 | 第11-12页 |
| 1.2.2 特征选择和提取方法 | 第12-13页 |
| 1.2.3 分类器的选择和设计方法 | 第13页 |
| 1.3 本文主要工作和章节安排 | 第13-15页 |
| 第二章 雷达一维距离像与压缩感知基本理论 | 第15-25页 |
| 2.1 雷达高分辨一维距离像简介 | 第15-20页 |
| 2.1.1 高分辨一维距离像 | 第15-16页 |
| 2.1.2 一维距离像特点 | 第16-17页 |
| 2.1.3 实验数据说明 | 第17-20页 |
| 2.2 信号的压缩感知理论简介 | 第20-24页 |
| 2.2.1 信号的稀疏表示 | 第21页 |
| 2.2.2 测量矩阵 | 第21-22页 |
| 2.2.3 重构算法 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于稀疏表示的一维距离像目标识别 | 第25-42页 |
| 3.1 基于稀疏表示的识别方法 | 第25-27页 |
| 3.2 目标信号的稀疏重构算法 | 第27-31页 |
| 3.2.1 梯度投影算法 | 第27-30页 |
| 3.2.2 正交匹配追踪算法 | 第30-31页 |
| 3.3 分类策略 | 第31-33页 |
| 3.3.1 最近中心邻法识别 | 第31-32页 |
| 3.3.2 重构误差识别 | 第32-33页 |
| 3.4 仿真结果与分析 | 第33-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于字典学习的一维距离像目标识别 | 第42-56页 |
| 4.1 基于K-SVD字典学习的目标识别 | 第42-45页 |
| 4.1.1 K-SVD的字典学习方法 | 第42-44页 |
| 4.1.2 基于学习字典的识别方法 | 第44-45页 |
| 4.2 基于判决字典学习的目标识别 | 第45-49页 |
| 4.2.1 判决字典学习方法 | 第46-48页 |
| 4.2.2 基于判决字典的目标识别 | 第48-49页 |
| 4.3 仿真结果与分析 | 第49-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 基于匹配字典的特征提取及目标识别 | 第56-69页 |
| 5.1 雷达目标回波模型 | 第56-59页 |
| 5.1.1 线性调频信号及脉冲压缩处理 | 第56-58页 |
| 5.1.2 基于理想点散射模型的雷达目标回波 | 第58-59页 |
| 5.2 匹配字典的原子构造 | 第59-61页 |
| 5.3 基于匹配字典的特征提取和识别 | 第61-64页 |
| 5.3.1 基于匹配字典的特征提取 | 第61页 |
| 5.3.2 支持向量机分类器简介 | 第61-64页 |
| 5.4 仿真结果与分析 | 第64-67页 |
| 5.5 本章小结 | 第67-69页 |
| 第六章 全文总结 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻硕期间取得的研究成果 | 第75-76页 |
