基于细微特征提取的辐射源个体识别方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究的目的和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 1.4 本文的组织框架 | 第16-17页 |
| 第2章 辐射源细微特征提取的基础理论 | 第17-25页 |
| 2.1 细微特征的产生机理 | 第17-19页 |
| 2.1.1 暂态细微特征 | 第17-18页 |
| 2.1.2 稳态细微特征 | 第18-19页 |
| 2.2 辐射源细微特征识别的系统模型 | 第19-20页 |
| 2.2.1 辐射源个体识别的原理 | 第19页 |
| 2.2.2 识别系统组成 | 第19-20页 |
| 2.3 辐射源信号的调制原理 | 第20-24页 |
| 2.3.1 模拟调制原理 | 第20-21页 |
| 2.3.1.1 幅度调制原理 | 第20-21页 |
| 2.3.1.2 角度调制原理 | 第21页 |
| 2.3.2 数字调制原理 | 第21-23页 |
| 2.3.2.1 MASK信号 | 第21-22页 |
| 2.3.2.2 MFSK信号 | 第22页 |
| 2.3.2.3 MPSK信号 | 第22-23页 |
| 2.3.3 雷达信号 | 第23-24页 |
| 2.3.3.1 线性调频信号 | 第23页 |
| 2.3.3.2 频率步进信号 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于多维信息熵模型的辐射源个体识别 | 第25-51页 |
| 3.1 多维信息熵模型 | 第25-31页 |
| 3.1.1 时域信息熵 | 第26-27页 |
| 3.1.2 频域信息熵 | 第27-28页 |
| 3.1.3 小波域信息熵 | 第28-31页 |
| 3.2 基于模板匹配的信号个体识别 | 第31-37页 |
| 3.3 基于SVM的信号个体识别 | 第37-40页 |
| 3.3.1 SVM基本原理 | 第37-39页 |
| 3.3.2 辐射源识别原理 | 第39页 |
| 3.3.3 仿真结果分析 | 第39-40页 |
| 3.4 基于特征加权的信号个体识别 | 第40-50页 |
| 3.4.1 多尺度小波熵特征 | 第40-43页 |
| 3.4.2 特征加权方法 | 第43-45页 |
| 3.4.3 仿真结果分析 | 第45-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 参数估计法用于LFM信号个体识别 | 第51-59页 |
| 4.1 信号模型 | 第51页 |
| 4.2 LFM信号参数特征提取 | 第51-52页 |
| 4.3 不稳定信噪比下LFM信号个体识别 | 第52-55页 |
| 4.4 参数估计法用于识别LFM信号个体 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 振荡器的非线性特征分析 | 第59-68页 |
| 5.1 相位噪声理论 | 第59-62页 |
| 5.1.1 振荡器相位噪声的来源 | 第59-60页 |
| 5.1.2 相位噪声的定义及表示 | 第60-62页 |
| 5.2 振荡器相位噪声模型 | 第62-63页 |
| 5.3 基于散布熵特征的辐射源个体识别 | 第63-65页 |
| 5.3.1 散布信息熵的定义 | 第63-64页 |
| 5.3.2 辐射源识别的具体过程 | 第64-65页 |
| 5.4 实验结果与分析 | 第65-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士期间发表的论文和取得的成果 | 第75-76页 |
| 致谢 | 第76页 |
