基于有源无源特征的飞机目标识别方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景和意义 | 第10-11页 |
| ·国内外飞机目标识别的研究概况 | 第11-14页 |
| ·利用有源回波特征识别飞机目标 | 第11-12页 |
| ·利用无源辐射特征识别飞机目标 | 第12页 |
| ·传感器可信度 | 第12-13页 |
| ·识别分类融合技术 | 第13-14页 |
| ·本文主要研究内容 | 第14-15页 |
| ·本文结构安排 | 第15-16页 |
| 第2章 发动机周期调制特征提取 | 第16-33页 |
| ·发动机周期调制产生机理和模型 | 第16-18页 |
| ·实际飞机和雷达对模型的影响 | 第18-20页 |
| ·发动机周期调制特征分析与提取 | 第20-21页 |
| ·时域特征分析与提取 | 第20页 |
| ·频域特征分析与提取 | 第20-21页 |
| ·时频域特征分析与提取 | 第21页 |
| ·复信号AR双谱法提取周期调制特征 | 第21-25页 |
| ·奇异值分解方法确定AR阶数 | 第21-23页 |
| ·总体最小二乘法估计AR参数 | 第23-24页 |
| ·复信号AR双谱算法 | 第24-25页 |
| ·仿真实验与结果分析 | 第25-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 无源特征熵的提取 | 第33-38页 |
| ·近似熵的性能分析及提取算法 | 第33-34页 |
| ·范数熵的性能分析及提取算法 | 第34-35页 |
| ·机载雷达类型 | 第35页 |
| ·仿真实验与实验分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 传感器可信度获取 | 第38-55页 |
| ·统计可信度的估计算法 | 第38-42页 |
| ·统计可信度估计方法 | 第38-39页 |
| ·BP神经网络结构与算法 | 第39-42页 |
| ·环境可信度的估计算法 | 第42-50页 |
| ·模糊推理系统类型 | 第42-43页 |
| ·模糊专家规则 | 第43-44页 |
| ·模糊神经网络的结构 | 第44-46页 |
| ·模糊神经网络的学习算法 | 第46-50页 |
| ·仿真实验及结果分析 | 第50-54页 |
| ·输入数据归一化 | 第50-51页 |
| ·网络训练与测试 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于多级神经网络的类型融合 | 第55-73页 |
| ·基于多级神经网络的类型融合结构 | 第55页 |
| ·多级神经网络 | 第55-66页 |
| ·多级神经网络的结构 | 第56页 |
| ·基于专家规则的传感器子网 | 第56-64页 |
| ·融合子网 | 第64-66页 |
| ·仿真实验与结果分析 | 第66-71页 |
| ·传感器子网的训练 | 第66-69页 |
| ·基于多级神经网络的类型融合 | 第69-71页 |
| ·本章小结 | 第71-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 哈尔滨工业大学硕士学位论文原创性声明 | 第79页 |
| 哈尔滨工业大学硕士学位论文使用授权书 | 第79-80页 |
| 致谢 | 第80页 |
