MIMO-SAR阵列设计及三维图像识别方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究概况及动态 | 第12-18页 |
| 1.2.1 MIMO-SAR国内外研究概况及动态 | 第12-17页 |
| 1.2.2 雷达目标识别国内外研究概况及动态 | 第17-18页 |
| 1.3 本文的结构安排 | 第18-19页 |
| 第二章 MIMO-SAR阵列及目标识别原理 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 MIMO-SAR几何模型 | 第19-21页 |
| 2.3 MIMO-SAR天线阵列模型 | 第21-27页 |
| 2.3.1 天线阵列数学模型 | 第21-22页 |
| 2.3.2 线阵天线方向图及性能分析 | 第22-24页 |
| 2.3.3 面阵天线方向图及性能分析 | 第24-26页 |
| 2.3.4 相位中心近似原理 | 第26-27页 |
| 2.4 SAR目标识别概述 | 第27-30页 |
| 2.4.1 SAR图像目标识别流程 | 第27-28页 |
| 2.4.2 深度学习方法概述 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 MIMO-SAR布阵优化 | 第31-49页 |
| 3.1 引言 | 第31页 |
| 3.2 遗传算法简介及流程 | 第31-33页 |
| 3.2.1 遗传算法简介 | 第31-32页 |
| 3.2.2 遗传算法流程 | 第32-33页 |
| 3.3 面阵MIMO-SAR天线阵列优化模型 | 第33-36页 |
| 3.4 基于改进遗传算法的面阵天线布阵优化方法 | 第36-48页 |
| 3.4.1 面阵天线布阵优化目标函数 | 第36-37页 |
| 3.4.2 阵元位置编码 | 第37-38页 |
| 3.4.3 改进遗传算法 | 第38-42页 |
| 3.4.4 优化方法步骤 | 第42-43页 |
| 3.4.5 仿真结果分析 | 第43-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 MIMO-SAR成像及识别方法 | 第49-72页 |
| 4.1 引言 | 第49页 |
| 4.2 MIMO-SAR三维成像 | 第49-54页 |
| 4.2.1 后向投影成像算法 | 第49-51页 |
| 4.2.2 仿真实验 | 第51-54页 |
| 4.3 深度置信网络的基本原理 | 第54-58页 |
| 4.3.1 受限玻尔兹曼机的原理 | 第54-57页 |
| 4.3.2 深度置信网络模型 | 第57-58页 |
| 4.4 自适应深度置信网络参数设计 | 第58-61页 |
| 4.5 三维SAR图像识别 | 第61-64页 |
| 4.5.1 样本库构建 | 第61-62页 |
| 4.5.2 算法流程 | 第62-64页 |
| 4.6 实验及结果分析 | 第64-71页 |
| 4.6.1 样本预处理 | 第64页 |
| 4.6.2 自适应参数的深度置信网络 | 第64-68页 |
| 4.6.3 支持向量机识别性能分析 | 第68-69页 |
| 4.6.4 两种识别方法的对比分析 | 第69-71页 |
| 4.7 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的成果 | 第79-80页 |
