雷达辐射源识别技术研究
| 摘要 | 第1-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第14-27页 |
| ·概述 | 第14-15页 |
| ·辐射源识别的研究现状 | 第15-23页 |
| ·本文主要工作 | 第23-27页 |
| 第二章 雷达辐射源脉内特征分析 | 第27-45页 |
| ·引言 | 第27页 |
| ·脉内调制类型分析 | 第27-29页 |
| ·雷达发射机的结构特点 | 第29-31页 |
| ·雷达发射机噪声分析 | 第31-43页 |
| ·本章小结 | 第43-45页 |
| 第三章 雷达辐射源脉内有意调制特征提取 | 第45-80页 |
| ·引言 | 第45-46页 |
| ·雷达信号的数学模型 | 第46页 |
| ·基于TFD图像的脉内调制特征提取 | 第46-64页 |
| ·基于小波变换的脉内调制特征提取 | 第64-78页 |
| ·本章小结 | 第78-80页 |
| 第四章 雷达辐射源个体特征提取 | 第80-102页 |
| ·引言 | 第80页 |
| ·脉内个体特征研究现状 | 第80-82页 |
| ·雷达信号频域和时域个体特征提取 | 第82-91页 |
| ·雷达信号变换域个体特征提取 | 第91-100页 |
| ·个体特征选择 | 第100-101页 |
| ·本章小结 | 第101-102页 |
| 第五章 基于SVM的雷达辐射源识别 | 第102-120页 |
| ·引言 | 第102页 |
| ·分类器设计研究现状 | 第102-104页 |
| ·统计学习理论基础 | 第104-107页 |
| ·支持向量机分类器 | 第107-112页 |
| ·基于加权AVA算法的辐射源识别 | 第112-119页 |
| ·本章小结 | 第119-120页 |
| 第六章 基于组合分类器的雷达辐射源识别 | 第120-141页 |
| ·引言 | 第120-121页 |
| ·组合分类器设计的一般方法 | 第121-127页 |
| ·基于组合神经网络分类器的辐射源识别 | 第127-134页 |
| ·基于组合SVM分类器的辐射源识别 | 第134-140页 |
| ·本章小结 | 第140-141页 |
| 第七章 结束语 | 第141-144页 |
| ·本文的主要成果和创新点 | 第141-142页 |
| ·需进一步研究的问题 | 第142-144页 |
| 致谢 | 第144-145页 |
| 参考文献 | 第145-156页 |
| 作者在读博期间完成的主要论文 | 第156-158页 |
| 作者在读博期间完成的科研项目 | 第158-159页 |
| 附录：频率合成器相位噪声关系式推导 | 第159-161页 |
