认知电子对抗中的目标状态识别技术研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题的研究背景和意义 | 第11-12页 |
| 1.2 课题相关技术发展现状 | 第12-17页 |
| 1.2.1 认知电子对抗的发展现状 | 第12-14页 |
| 1.2.2 目标状态识别技术发展现状 | 第14-17页 |
| 1.3 论文主要工作和章节发展 | 第17-18页 |
| 第二章 认知电子对抗中的关键技术研究 | 第18-33页 |
| 2.1 概述 | 第18-19页 |
| 2.2 目标状态识别及模式识别算法 | 第19-28页 |
| 2.2.1 基于灰关联理论的识别方法 | 第21-23页 |
| 2.2.2 朴素贝叶斯算法 | 第23-24页 |
| 2.2.3 K-近邻算法 | 第24-25页 |
| 2.2.4 支持向量机算法 | 第25-26页 |
| 2.2.5 人工神经网络算法介绍 | 第26-28页 |
| 2.3 干扰效果评估 | 第28-30页 |
| 2.3.1 传统的干扰效果评估方法 | 第28-30页 |
| 2.3.2 认知电子对抗中的干扰效果评估方法 | 第30页 |
| 2.4 强化学习 | 第30-32页 |
| 2.4.1 概述 | 第30-31页 |
| 2.4.2 强化学习算法简介 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 无监督的增量式目标状态识别 | 第33-48页 |
| 3.1 概述 | 第33-34页 |
| 3.2 整体方案 | 第34-36页 |
| 3.2.1 整体方案流程 | 第34-35页 |
| 3.2.2 测试数据设置 | 第35-36页 |
| 3.3 数据预标注 | 第36-39页 |
| 3.3.1 数据预标注算法 | 第36-38页 |
| 3.3.2 数据预处理算法性能仿真 | 第38-39页 |
| 3.4 已知状态识别 | 第39-42页 |
| 3.4.1 SVM分类算法 | 第40-42页 |
| 3.4.2 SVM算法性能仿真 | 第42页 |
| 3.5 未知状态检测 | 第42-45页 |
| 3.5.1 未知状态检测算法 | 第43-44页 |
| 3.5.2 未知状态检测算法性能仿真 | 第44-45页 |
| 3.6 识别模型更新 | 第45-47页 |
| 3.6.1 已知状态模型更新 | 第46-47页 |
| 3.6.2 未知状态模型生成 | 第47页 |
| 3.7 本章小结 | 第47-48页 |
| 第四章 认知电子对抗中目标状态识别的功能仿真 | 第48-57页 |
| 4.1 认知电子对抗功能仿真软件介绍 | 第48-49页 |
| 4.2 目标状态识别功能仿真 | 第49-56页 |
| 4.2.1 主界面 | 第49-50页 |
| 4.2.2 参数设置 | 第50-54页 |
| 4.2.2.1 雷达参数 | 第50-52页 |
| 4.2.2.2 干扰机参数 | 第52-53页 |
| 4.2.2.3 状态识别算法 | 第53-54页 |
| 4.2.3 已知状态识别 | 第54-55页 |
| 4.2.4 未知状态识别 | 第55-56页 |
| 4.3 本章小结 | 第56-57页 |
| 总结 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |
