基于信道差异和决策融合的欺骗干扰检测识别
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 卫星导航欺骗干扰识别研究现状 | 第11-19页 |
| 1.2.1 国内外欺骗干扰研究现状 | 第11-16页 |
| 1.2.1.1 卫星导航接收机的干扰分类 | 第11-12页 |
| 1.2.1.2 国内外欺骗干扰研究现状 | 第12-16页 |
| 1.2.2 决策融合技术研究现状 | 第16-19页 |
| 1.3 本文工作及章节安排 | 第19-21页 |
| 第2章 基于信道差异的欺骗干扰检测 | 第21-33页 |
| 2.1 干扰检测和识别 | 第21页 |
| 2.2 卫星通信中的概率分布模型 | 第21-24页 |
| 2.2.1 Gaussian分布 | 第21-22页 |
| 2.2.2 Rice分布 | 第22-23页 |
| 2.2.3 Rayleigh分布 | 第23页 |
| 2.2.4 Lognormal分布 | 第23-24页 |
| 2.3 Lutz模型 | 第24-25页 |
| 2.4 基于拟合优度的欺骗干扰检测 | 第25-32页 |
| 2.4.1 KS检测的算法步骤 | 第27页 |
| 2.4.2 CVM检测的算法步骤 | 第27-28页 |
| 2.4.3 AD检测的算法步骤 | 第28页 |
| 2.4.4 性能分析及仿真 | 第28-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 决策融合 | 第33-42页 |
| 3.1 多分类器组合方法 | 第33-37页 |
| 3.1.1 串行组合 | 第33页 |
| 3.1.2 并行组合 | 第33-37页 |
| 3.1.3 层次级联 | 第37页 |
| 3.2 K/N准则 | 第37-41页 |
| 3.2.1 AND准则 | 第38页 |
| 3.2.2 OR准则 | 第38-39页 |
| 3.2.3 K out of N准则 | 第39-40页 |
| 3.2.4 K/N准则优化 | 第40-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 基于决策融合的欺骗干扰识别 | 第42-60页 |
| 4.1 基于小波奇异值的特征提取 | 第42-44页 |
| 4.1.1 小波变换 | 第42-43页 |
| 4.1.2 奇异值分解 | 第43-44页 |
| 4.2 支持向量机 | 第44-48页 |
| 4.2.1 线性可分支持向量机 | 第44-46页 |
| 4.2.2 线性不可分支持向量机 | 第46页 |
| 4.2.3 非线性支持向量机 | 第46-48页 |
| 4.3 概率神经网络 | 第48-52页 |
| 4.3.1 贝叶斯判决理论 | 第48-49页 |
| 4.3.2 Parzen窗 | 第49页 |
| 4.3.3 概率神经网络结构 | 第49-50页 |
| 4.3.4 概率神经网络学习算法 | 第50-52页 |
| 4.4 决策树 | 第52-55页 |
| 4.4.1 树的生成 | 第52-53页 |
| 4.4.2 树的剪枝 | 第53页 |
| 4.4.3 常用算法 | 第53-55页 |
| 4.5 性能分析及仿真 | 第55-59页 |
| 4.5.1 性能评价指标 | 第55-56页 |
| 4.5.2 仿真实验 | 第56-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67页 |
