基于红外毫米波目标特征的复合识别技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状分析 | 第9-10页 |
| 1.3 相关技术发展现状 | 第10-13页 |
| 1.3.1 红外毫米波复合探测技术 | 第10-11页 |
| 1.3.2 目标识别技术 | 第11-12页 |
| 1.3.3 基于多传感器的信息融合技术 | 第12-13页 |
| 1.4 本文的主要研究内容 | 第13-14页 |
| 第二章 红外毫米波复合探测系统 | 第14-20页 |
| 2.1 毫米波探测特性 | 第14-15页 |
| 2.2 红外探测特性 | 第15页 |
| 2.3 复合探测识别系统方案选择 | 第15-16页 |
| 2.4 双模信息融合方案 | 第16-18页 |
| 2.5 复合识别系统组成 | 第18-19页 |
| 2.6 本章小结 | 第19-20页 |
| 第三章 各探测器波形仿真 | 第20-32页 |
| 3.1 毫米波波形仿真 | 第20-28页 |
| 3.1.1 辐射计工作原理 | 第20-21页 |
| 3.1.2 输出信号与毫米波辐射量之间的关系 | 第21-25页 |
| 3.1.3 辐射计输出信号波形仿真 | 第25-28页 |
| 3.2 红外辐射波形仿真 | 第28-31页 |
| 3.2.1 红外辐射计工作原理 | 第28页 |
| 3.2.2 输出信号与红外辐射量之间的关系 | 第28-29页 |
| 3.2.3 红外辐射信号波形仿真 | 第29-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 信号处理及神经网络目标识别方法 | 第32-47页 |
| 4.1 基于小波变换理论的信号处理技术 | 第32-39页 |
| 4.1.1 离散小波变换方法 | 第32-33页 |
| 4.1.2 尺度函数和小波函数 | 第33-35页 |
| 4.1.3 小波分解仿真 | 第35-37页 |
| 4.1.4 小波降噪仿真 | 第37-38页 |
| 4.1.5 信号特征量提取 | 第38-39页 |
| 4.2 神经网络理论和目标识别方法 | 第39-43页 |
| 4.2.1 神经网络的工作原理及网络结构 | 第39-40页 |
| 4.2.2 反向传播算法（BP算法） | 第40-43页 |
| 4.3 基于神经网络的目标识别试验 | 第43-45页 |
| 4.3.1 神经网络的结构设计 | 第43-44页 |
| 4.3.2 神经网络的训练及样本检验 | 第44-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 基于证据理论的探测系统数据融合方案及试验 | 第47-54页 |
| 5.1 数据融合技术方案选择 | 第47-50页 |
| 5.1.1 数据融合模型选择 | 第47-48页 |
| 5.1.2 D-S证据理论的算法实现 | 第48-49页 |
| 5.1.3 改进的D-S证据理论算法 | 第49-50页 |
| 5.2 数据融合试验及结果分析 | 第50-53页 |
| 5.2.1 概率分配函数及运算结果 | 第50-52页 |
| 5.2.2 融合算法试验结果分析 | 第52-53页 |
| 5.3 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
