摘要 | 第1-7页 |
ABSTRACT | 第7-13页 |
第1章 绪论 | 第13-31页 |
·课题的背景、研究目的和意义 | 第13-17页 |
·电子战的定义 | 第13-14页 |
·雷达侦察概述 | 第14-16页 |
·雷达信号分选在电子对抗中的意义 | 第16页 |
·本研究的意义 | 第16-17页 |
·雷达信号分选问题概述 | 第17-20页 |
·信号分选处理 | 第17-18页 |
·信号分选参数及脉冲描述字 | 第18-19页 |
·雷达侦察面临的信号环境及其对信号分选的影响 | 第19-20页 |
·国内外研究现状与进展 | 第20-28页 |
·论文的主要工作 | 第28-30页 |
·论文内容的结构安排 | 第30-31页 |
第2章 雷达辐射源全脉冲信号模型分析 | 第31-45页 |
·雷达辐射源信号分选环境的数学模型分析 | 第31-33页 |
·雷达辐射源信号的特征分析 | 第33-39页 |
·雷达信号的频域变化特征 | 第33-35页 |
·雷达信号的时域变化特征 | 第35-38页 |
·雷达信号的空域参数模型 | 第38页 |
·雷达信号的其它特征参数 | 第38-39页 |
·雷达信号的脉冲密度 | 第39-40页 |
·雷达信号环境脉冲丢失概率的分析 | 第40-44页 |
·运用随机过程理论的脉冲丢失概率分析 | 第40-42页 |
·运用概率统计理论的脉冲丢失概率分析 | 第42-43页 |
·一种关于修正脉冲丢失概率的分析 | 第43-44页 |
·本章小结 | 第44-45页 |
第3章 未知雷达辐射源信号分选模型结构 | 第45-51页 |
·传统分选模型结构 | 第45-47页 |
·新模型结构 | 第47-50页 |
·本章小结 | 第50-51页 |
第4章 基于支持向量的多参数综合聚类信号分选 | 第51-90页 |
·统计学习理论 | 第51-56页 |
·统计学习理论概述 | 第51-53页 |
·统计学习理论的核心内容 | 第53-56页 |
·目前多参数雷达信号分选方法中存在主要的问题 | 第56-60页 |
·传统多参数雷达信号分选体制的不足 | 第56页 |
·‘容差’问题对雷达信号分选的影响 | 第56-60页 |
·基于支持向量聚类和分层互耦的雷达信号分选系统 | 第60-75页 |
·ESM数据处理系统 | 第60-62页 |
·基于支持向量聚类和分层互耦的分选算法 | 第62-66页 |
·利用‘熵’度量的雷达全脉冲信号识别方法 | 第66-70页 |
·利用‘类型熵’调节 SVC聚类分选参数q和 C | 第70-71页 |
·仿真试验结果 | 第71-75页 |
·基于支持向量聚类和级联互耦的雷达信号分选系统 | 第75-80页 |
·基于级联互耦和支持向量机的分段聚类信号分选算法 | 第76-78页 |
·仿真试验分析 | 第78-80页 |
·基于 SVC& K-Means聚类的雷达全脉冲信号分选 | 第80-88页 |
·基于质心的 K-Means聚类信号分选分析 | 第80-85页 |
·基于 SVC& K-Means聚类的雷达全脉冲信号分选 | 第85-87页 |
·仿真试验分析 | 第87-88页 |
·本章小结 | 第88-90页 |
第5章 雷达信号分选的 G特征提取方法 | 第90-102页 |
·特征提取方法 | 第90-96页 |
·预处理 | 第91-92页 |
·结构函数 | 第92-93页 |
·经验模态分解 | 第93-96页 |
·仿真验证 | 第96-101页 |
·本章小结 | 第101-102页 |
第6章 基于全脉冲幅度信息分析的踏浪算法 | 第102-111页 |
·踏浪算法 | 第102-108页 |
·对象分析 | 第102-104页 |
·处理流程 | 第104-105页 |
·初始化 | 第105页 |
·转换参数及预处理 | 第105页 |
·扩展 KALMAN滤波进行幅度估计 | 第105-107页 |
·幅度归属判决 | 第107页 |
·序列结束复合判断 | 第107-108页 |
·测试结果 | 第108-110页 |
·模拟结果 | 第108页 |
·典型分析的例子 | 第108-110页 |
·本章小结 | 第110-111页 |
结论 | 第111-114页 |
参考文献 | 第114-125页 |
攻读博士学位期间发表的论文和取得的科研成果 | 第125-128页 |
致谢 | 第128-129页 |
个人简历 | 第129页 |