| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-34页 |
| 1.1 课题研究背景及意义 | 第12-15页 |
| 1.2 叶簇环境目标检测及识别研究现状 | 第15-20页 |
| 1.3 基于无线通信信号的目标检测及识别研究现状 | 第20-24页 |
| 1.4 论文主要研究内容 | 第24-26页 |
| 1.5 论文的章节安排 | 第26-27页 |
| 参考文献 | 第27-34页 |
| 第2章 基于无线通信信号的叶簇目标检测及识别 | 第34-59页 |
| 2.1 引言 | 第34-35页 |
| 2.2 基于叶簇环境的目标信号的选取分析 | 第35-41页 |
| 2.2.1 超宽带技术的发展历史 | 第35-37页 |
| 2.2.2 超宽带技术的定义和特点 | 第37-39页 |
| 2.2.3 超宽带技术的应用现状 | 第39-41页 |
| 2.3 基于超宽带信号的叶簇目标检测及识别方法 | 第41-55页 |
| 2.3.1 目标信号的测量和数据预处理 | 第41-45页 |
| 2.3.2 目标信号的特征提取和选择 | 第45-51页 |
| 2.3.3 目标信号的检测识别及实验验证分析 | 第51-55页 |
| 2.4 本章小结 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 第3章 基于高阶统计量的目标特征提取 | 第59-82页 |
| 3.1 引言 | 第59-60页 |
| 3.2 高阶统计量 | 第60-68页 |
| 3.2.1 高阶统计量的定义 | 第60-64页 |
| 3.2.2 高斯信号的高阶统计量 | 第64-66页 |
| 3.2.3 高阶累积量和高阶谱的性质 | 第66-68页 |
| 3.3 基于高阶统计量的目标特征提取 | 第68-75页 |
| 3.3.1 目标信号的测量和获取 | 第68-71页 |
| 3.3.2 基于四阶累积量一维对角切片的目标特征提取 | 第71-75页 |
| 3.4 实验验证分析 | 第75-79页 |
| 3.4.1 目标信号特征可分性验证 | 第76页 |
| 3.4.2 目标信号特征有效性验证 | 第76-79页 |
| 3.5 本章小结 | 第79页 |
| 参考文献 | 第79-82页 |
| 第4章 基于优化支持向量机的多场景多目标识别方法研究 | 第82-114页 |
| 4.1 引言 | 第82-83页 |
| 4.2 支持向量机 | 第83-90页 |
| 4.2.1 最优分类超平面 | 第83-85页 |
| 4.2.2 线性支持向量机 | 第85-87页 |
| 4.2.3 非线性支持向量机 | 第87-90页 |
| 4.3 支持向量机参数优化 | 第90-92页 |
| 4.4 DEFPA优化SVM参数算法研究 | 第92-101页 |
| 4.4.1 花粉授粉优化算法 | 第92-95页 |
| 4.4.2 基于差分进化的花粉授粉优化算法 | 第95-99页 |
| 4.4.3 DEFPA优化SVM参数 | 第99-101页 |
| 4.5 基于DEFPA优化SVM的多场景多目标的识别方法 | 第101-111页 |
| 4.5.1 多场景多目标数据的测量和获取 | 第101-105页 |
| 4.5.2 基于DEFPA优化SVM的多场景多目标识别方法 | 第105-107页 |
| 4.5.3 实验验证分析 | 第107-111页 |
| 4.6 本章小结 | 第111页 |
| 参考文献 | 第111-114页 |
| 第5章 总结与展望 | 第114-117页 |
| 5.1 论文的主要研究成果 | 第114-116页 |
| 5.2 下一步工作展望 | 第116-117页 |
| 图表索引 | 第117-119页 |
| 致谢 | 第119-120页 |
| 攻读学位期间发表的学术论文目录 | 第120-121页 |
