基于神经网络的脉冲超宽带目标探测识别方法理论研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究背景及意义 | 第10-17页 |
| ·超宽带技术在目标识别的研究现状 | 第11-14页 |
| ·神经网络在目标识别的研究现状 | 第14-16页 |
| ·影响识别结果的几个关键技术的讨论 | 第16-17页 |
| ·论文主要工作 | 第17页 |
| ·论文组织架构 | 第17-19页 |
| 第二章 基于超宽带特征提取和神经网络的目标识别 | 第19-26页 |
| ·总体框架模型概述 | 第19-20页 |
| ·超宽带收发信号模型 | 第20-21页 |
| ·超宽带目标特征提取 | 第21-23页 |
| ·神经网络识别模型 | 第23-26页 |
| ·信息正向传播过程 | 第24-25页 |
| ·误差反向传播过程 | 第25-26页 |
| 第三章 理论场景模型及分析 | 第26-39页 |
| ·建模原理 | 第27页 |
| ·理论模型 | 第27-28页 |
| ·弹性后向传播(BP)神经网络算法 | 第28-30页 |
| ·分析流程 | 第30-39页 |
| ·接收信号分析 | 第30-32页 |
| ·提取接收信号特征参数 | 第32-34页 |
| ·确定神经网络结构及初始参数 | 第34页 |
| ·训练神经网络 | 第34-35页 |
| ·测试分析结果 | 第35-39页 |
| 第四章 实测场景模型及分析 | 第39-52页 |
| ·场景模型 | 第39-40页 |
| ·测量设备 | 第40页 |
| ·神经网络算法优化改进——粒子群算法 | 第40-45页 |
| ·粒子群算法应用 | 第41页 |
| ·粒子群算法原理阐述 | 第41-42页 |
| ·粒子群算法执行步骤 | 第42-44页 |
| ·神经网络和粒子群算法的结合 | 第44-45页 |
| ·分析流程 | 第45-49页 |
| ·接收信号分析 | 第45-46页 |
| ·提取接收信号特征参数 | 第46-48页 |
| ·确定神经网络结构及初始参数 | 第48页 |
| ·粒子群算法优化神经网络 | 第48-49页 |
| ·神经网络训练识别 | 第49页 |
| ·分析结果 | 第49-52页 |
| ·粒子群优化结果分析 | 第49-50页 |
| ·PSO-RPROP算法识别结果分析 | 第50-52页 |
| 第五章 全文总结 | 第52-55页 |
| ·本文的主要贡献与创新 | 第52-53页 |
| ·本文待完善的因素及展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 作者攻读学位期间发表的学术论文目录 | 第61页 |
