基于机器学习的雷达信号分选和目标识别
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景和意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 本文研究内容及结构安排 | 第19-22页 |
| 第二章 相关知识介绍 | 第22-30页 |
| 2.1 雷达分选概述 | 第22-25页 |
| 2.1.1 雷达信号脉内参数(PDW) | 第22-23页 |
| 2.1.2 雷达信号脉间参数 | 第23-25页 |
| 2.2 一维距离像介绍 | 第25-28页 |
| 2.2.1 散射中心模型 | 第25-27页 |
| 2.2.2 一维距离像的形成原理 | 第27页 |
| 2.2.3 一维距离像的三大特性 | 第27-28页 |
| 2.3 雷达工作模式 | 第28-29页 |
| 2.3.1 边搜索边跟踪模式 | 第28页 |
| 2.3.2 搜索加跟踪模式 | 第28-29页 |
| 2.3.3 多目标跟踪模式 | 第29页 |
| 2.3.4 单目标跟踪模式 | 第29页 |
| 2.4 小结 | 第29-30页 |
| 第三章 基于非线性流形聚类的雷达信号分选 | 第30-40页 |
| 3.1 引言 | 第30页 |
| 3.2 引入非线性流形聚类的雷达信号分选 | 第30-35页 |
| 3.3 数据仿真及实验 | 第35-38页 |
| 3.3.1 实验数据仿真 | 第35-36页 |
| 3.3.2 实验对比算法介绍 | 第36页 |
| 3.3.3 实验结果 | 第36-38页 |
| 3.4 总结 | 第38-40页 |
| 第四章 基于稀疏重构的一维距离像目标识别 | 第40-50页 |
| 4.1 引言 | 第40页 |
| 4.2 改进的在线字典学习对HRRP进行重构 | 第40-44页 |
| 4.3 数据集介绍及实验 | 第44-48页 |
| 4.3.1 实验数据说明 | 第44-45页 |
| 4.3.2 加噪方法及预处理 | 第45-46页 |
| 4.3.3 分类器参数介绍 | 第46页 |
| 4.3.4 实验对比算法介绍 | 第46页 |
| 4.3.5 实验结果及分析 | 第46-48页 |
| 4.4 总结 | 第48-50页 |
| 第五章 基于二次分类的雷达工作模式识别 | 第50-72页 |
| 5.1 引言 | 第50页 |
| 5.2 雷达信号参数和特征提取 | 第50-57页 |
| 5.2.1 脉冲参数调制方式 | 第50-53页 |
| 5.2.2 雷达调制特征R1-R7 提取 | 第53-56页 |
| 5.2.3 调制方式模糊隶属度Fu1-Fu7 | 第56-57页 |
| 5.3 基于二次分类的雷达工作模式识别 | 第57-64页 |
| 5.3.1 深度置信网对雷达脉冲进行调制方式识别 | 第57-60页 |
| 5.3.2 基于数据场的雷达工作模式识别 | 第60-62页 |
| 5.3.3 复杂环境下的雷达工作模式识别 | 第62-64页 |
| 5.4 数据仿真及实验 | 第64-70页 |
| 5.4.1 实验数据仿真 | 第64-66页 |
| 5.4.2 实验结果 | 第66-70页 |
| 5.5 总结 | 第70-72页 |
| 第六章 总结和展望 | 第72-74页 |
| 6.1 研究结论 | 第72页 |
| 6.2 研究展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-82页 |
| 作者简介 | 第82-83页 |
