基于雷达回波数据的特征提取方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-20页 |
| ·研究的背景和意义 | 第11-12页 |
| ·雷达目标特征提取的国内外研究现状 | 第12-17页 |
| ·雷达目标识别的研究现状 | 第12-15页 |
| ·雷达目标特征提取的研究现状 | 第15-17页 |
| ·特征提取的原则 | 第17-18页 |
| ·本文的主要内容和章节安排 | 第18-20页 |
| 第2章 雷达回波数据的一维距离像 | 第20-30页 |
| ·雷达回波散射中心模型的概述 | 第20-21页 |
| ·基于散射中心模型的目标一维距离像 | 第21-22页 |
| ·雷达目标一维距离像的特性 | 第22-27页 |
| ·一维距离像的姿态敏感性 | 第23-24页 |
| ·一维距离像的平移敏感性 | 第24-25页 |
| ·一维距离像的强度敏感性 | 第25-27页 |
| ·雷达目标一维距离像的实测数据描述 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 一维距离像平移不变特征的提取 | 第30-47页 |
| ·基于小波去噪的数据预处理 | 第31-33页 |
| ·一维距离像的平移不变特征的提取 | 第33-42页 |
| ·功率谱特征提取 | 第33-36页 |
| ·自回归系数特征 | 第36-39页 |
| ·中心矩特征向量提取 | 第39-42页 |
| ·基于中心矩改进的平移不变特征 | 第42-46页 |
| ·基于偶数阶中心矩的特征提取 | 第42-43页 |
| ·实验结果与分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于主成分分析的特征融合方法 | 第47-59页 |
| ·主成分分析（PCA）的概述 | 第47-48页 |
| ·主成分分析的基本原理 | 第48-54页 |
| ·数学模型 | 第48-49页 |
| ·几何意义 | 第49-51页 |
| ·主成分分析的实现步骤 | 第51-54页 |
| ·基于主成分分析的特征级融合实现 | 第54-55页 |
| ·候选目标特征的选择 | 第54页 |
| ·候选目标特征的特征级融合实现 | 第54-55页 |
| ·实验结果与分析 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 基于核函数改进 PCA 的特征提取方法 | 第59-69页 |
| ·核函数方法原理 | 第59-62页 |
| ·基于 KPCA 的特征提取 | 第62-64页 |
| ·KPCA 算法的优势 | 第64-66页 |
| ·实验结果与分析 | 第66-68页 |
| ·KPCA 特征提取算法实现流程 | 第66-67页 |
| ·特征提取效果分析 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第75-76页 |
| 致谢 | 第76-77页 |
