基于并行Boosting算法的雷达辐射源识别系统的设计与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·概述 | 第7-8页 |
| ·课题研究背景 | 第8-9页 |
| ·本文主要工作 | 第9-11页 |
| 第二章 辐射源识别技术 | 第11-17页 |
| ·雷达信号识别的定义 | 第11-12页 |
| ·传统的辐射源识别技术 | 第12-14页 |
| ·基于神经网络的辐射源识别技术 | 第14-15页 |
| ·本章小结 | 第15-17页 |
| 第三章 辐射源样本处理与基分类器 | 第17-33页 |
| ·样本预处理理论 | 第17-19页 |
| ·样本的特征提取 | 第19-21页 |
| ·雷达辐射源特征提取及归一化 | 第21-22页 |
| ·基分类算法BP 神经网络 | 第22-32页 |
| ·BP 神经网络及其算法 | 第23-29页 |
| ·基分类算法BP 神经网络设计 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 并行Boosting 算法 | 第33-51页 |
| ·基本概念介绍 | 第33-34页 |
| ·标准Boosting 算法 | 第34-38页 |
| ·标准Boosting | 第34-35页 |
| ·Boosting 算法主要思想 | 第35-36页 |
| ·Boosting 算法的理论分析 | 第36-38页 |
| ·并行Boosting 算法 | 第38-48页 |
| ·算法核心思想 | 第39-40页 |
| ·算法流程及伪码描述 | 第40-41页 |
| ·局部分布权值向量的获取 | 第41-43页 |
| ·全局分布权值向量的更新 | 第43-48页 |
| ·多分类器的联合 | 第48-49页 |
| ·系统功能设计与实现 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 系统功能设计实现及测试结果比较分析 | 第51-59页 |
| ·雷达辐射源识别系统平台 | 第51页 |
| ·测试流程 | 第51-52页 |
| ·实验结果对比分析 | 第52-59页 |
| 第六章 结论 | 第59-61页 |
| ·工作总结 | 第59页 |
| ·进一步研究 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-65页 |
