| 摘要 | 第1-6页 |
| ABSTRACT | 第6-16页 |
| 第一章 绪论 | 第16-31页 |
| ·雷达自动目标识别概述 | 第16-18页 |
| ·基本概念与研究意义 | 第16-17页 |
| ·雷达自动目标识别的发展历史 | 第17页 |
| ·雷达自动目标识别的分类 | 第17-18页 |
| ·宽带雷达自动目标识别技术 | 第18-21页 |
| ·基于高分辨距离像的目标识别 | 第19-20页 |
| ·基于目标散射点二维分布图像 SAR/ISAR 的目标识别 | 第20页 |
| ·宽带雷达目标识别技术对比分析 | 第20-21页 |
| ·HRRP 识别的关键技术 | 第21-26页 |
| ·HRRP 的三类敏感性问题研究 | 第21-23页 |
| ·HRRP 统计建模问题 | 第23-24页 |
| ·HRRP 的特征提取与特征选择问题 | 第24-25页 |
| ·HRRP 的稳健识别问题 | 第25页 |
| ·HRRP 序列信息利用问题 | 第25-26页 |
| ·研究目的与研究内容 | 第26-29页 |
| ·研究目的 | 第26页 |
| ·数据介绍 | 第26-28页 |
| ·研究内容 | 第28-29页 |
| ·论文结构与安排 | 第29-31页 |
| 第二章 基于自适应帧划分 MCC-TMM 的雷达目标识别 | 第31-44页 |
| ·引言 | 第31页 |
| ·雷达目标 HRRP 及其姿态敏感性分析 | 第31-35页 |
| ·最大相关系数模板匹配法 | 第35-38页 |
| ·平均距离像及其方位稳定性分析 | 第35-37页 |
| ·最大相关系数模板匹配法 | 第37-38页 |
| ·基于自适应帧划分的最大相关系数模板匹配法 | 第38-43页 |
| ·不同方位角下飞机类目标 HRRP 的姿态敏感性分析 | 第38-41页 |
| ·基于互相关系数的自适应帧划分方法 | 第41-42页 |
| ·仿真结果与分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 基于逆向云模型的雷达目标识别 | 第44-61页 |
| ·引言 | 第44-45页 |
| ·高分辨距离像的统计特性分析 | 第45-47页 |
| ·云模型 | 第47-50页 |
| ·云的定义及其数字特征 | 第48-49页 |
| ·云发生器 | 第49-50页 |
| ·基于逆向云模型的雷达目标识别方法 | 第50-59页 |
| ·逆向云模型 HRRP 建模 | 第50-51页 |
| ·逆向云隶属度的构造 | 第51-53页 |
| ·基于逆向云模型的雷达 HRRP 统计识别步骤 | 第53-54页 |
| ·仿真结果与分析 | 第54-59页 |
| ·本章小结 | 第59-61页 |
| 第四章 基于核主分量分析重构的雷达目标识别 | 第61-70页 |
| ·引言 | 第61页 |
| ·主分量分析重构 | 第61-63页 |
| ·主分量分析 | 第61-62页 |
| ·主分量分析重构 | 第62-63页 |
| ·核主分量分析重构 | 第63-65页 |
| ·基于 KPCA 重构的雷达目标识别方法 | 第65-66页 |
| ·仿真结果与分析 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 基于非参数特征的雷达目标识别方法研究 | 第70-92页 |
| ·引言 | 第70-71页 |
| ·LDA 特征提取算法及其应用缺陷 | 第71-73页 |
| ·LDA 特征提取算法 | 第71页 |
| ·LDA 算法的应用缺陷 | 第71-73页 |
| ·基于非参数特征分析的特征提取方法 | 第73-78页 |
| ·非参数判别分析与非参数特征分析 | 第73-75页 |
| ·基于非参数特征分析和逆向云模型的雷达目标识别方法 | 第75-77页 |
| ·仿真结果与分析 | 第77-78页 |
| ·基于非参数最大间隔准则的特征提取方法 | 第78-91页 |
| ·最大间隔准则及其非参数化 | 第78-81页 |
| ·基于自相关小波变换的 HRRP 特征构造 | 第81-88页 |
| ·基于非参数最大间隔准则和 SVM 的雷达目标识别方法 | 第88-89页 |
| ·仿真结果与分析 | 第89-91页 |
| ·本章小结 | 第91-92页 |
| 第六章 基于自相关小波核 SVM 的雷达目标识别 | 第92-103页 |
| ·引言 | 第92页 |
| ·HRRP 背景噪声估计 | 第92-93页 |
| ·基于自相关小波核的 SVM 分类器 | 第93-96页 |
| ·自适应幂次变换 | 第96-99页 |
| ·幂次变换 | 第96-97页 |
| ·幂次参数的选取 | 第97-99页 |
| ·噪声背景下基于自相关小波核的仿真实验 | 第99-101页 |
| ·AWSVM 和高斯径向基核 SVM 抗噪性能比较 | 第99-100页 |
| ·最优幂次变换对 AWSVM 识别率的影响 | 第100页 |
| ·经验自适应幂次变换与最优幂次变换性能比较 | 第100-101页 |
| ·经验自适应幂次变换对常规算法的影响 | 第101页 |
| ·本章小结 | 第101-103页 |
| 第七章 基于 HRRP 序列的雷达目标识别 | 第103-118页 |
| ·引言 | 第103-104页 |
| ·信息融合技术 | 第104-105页 |
| ·信息融合技术概况 | 第104页 |
| ·信息融合的主要方法 | 第104-105页 |
| ·雷达目标的序列识别方法 | 第105-106页 |
| ·基于 MYCIN 不确定因子概率推理的 HRRP 序列识别 | 第106-116页 |
| ·MYCIN 不确定因子概率推理方法 | 第107-109页 |
| ·基于 MYCIN 不确定因子概率推理的 HRRP 序列识别方法 | 第109-111页 |
| ·仿真结果与分析 | 第111-116页 |
| ·本章小结 | 第116-118页 |
| 第八章 总结与展望 | 第118-121页 |
| ·总结 | 第118-119页 |
| ·展望 | 第119-121页 |
| 参考文献 | 第121-133页 |
| 致谢 | 第133-134页 |
| 在学期间的研究成果及发表的学术论文 | 第134-135页 |
