基于深度学习的雷达稀疏成像
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景 | 第16-19页 |
| 1.2 研究现状 | 第19-20页 |
| 1.3 研究目的及意义 | 第20-22页 |
| 1.4 研究内容与创新 | 第22-23页 |
| 1.5 论文结构安排 | 第23-24页 |
| 第二章 传统稀疏成像方法 | 第24-40页 |
| 2.1 SAR成像 | 第24-28页 |
| 2.1.1 基本原理 | 第24-27页 |
| 2.1.2 距离徙动 | 第27-28页 |
| 2.2 基于压缩感知的稀疏成像 | 第28-34页 |
| 2.2.1 压缩感知基础 | 第28-30页 |
| 2.2.2 稀疏表示基础 | 第30-31页 |
| 2.2.3 基于压缩感知的雷达成像 | 第31-34页 |
| 2.3 实验仿真 | 第34-38页 |
| 2.4 本章小结 | 第38-40页 |
| 第三章 基于深层自编码的稀疏成像算法 | 第40-56页 |
| 3.1 自编码理论基础 | 第40-42页 |
| 3.2 卷积自编码 | 第42-44页 |
| 3.3 深层自编码SAR稀疏成像 | 第44-49页 |
| 3.3.1 稀疏随机观测设计 | 第44-45页 |
| 3.3.2 一维深层自编码SAR成像 | 第45-47页 |
| 3.3.3 二维深层自编码SAR成像 | 第47-49页 |
| 3.4 实验仿真与结果分析 | 第49-55页 |
| 3.4.1 实验条件 | 第49-50页 |
| 3.4.2 结果与分析 | 第50-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于生成对抗网络的稀疏成像算法 | 第56-68页 |
| 4.1 生成对抗网络理论基础 | 第56-58页 |
| 4.2 最优化方法 | 第58-61页 |
| 4.3 雷达成像统一数学模型 | 第61-62页 |
| 4.4 生成对抗网络SAR稀疏成像 | 第62-64页 |
| 4.5 实验仿真与结果分析 | 第64-66页 |
| 4.5.1 实验条件 | 第64页 |
| 4.5.2 结果与分析 | 第64-66页 |
| 4.6 本章小结 | 第66-68页 |
| 第五章 结论与展望 | 第68-72页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |
