雷达目标识别系统的研究和设计
| 第一章 绪 论 | 第1-13页 |
| ·神经网络技术概述 | 第8-10页 |
| ·人工神经网络的特性 | 第9页 |
| ·人工神经网络的局限性 | 第9-10页 |
| ·模糊聚类技术概述 | 第10-11页 |
| ·数据融合技术概述 | 第11页 |
| ·本论文所做的研究内容 | 第11-13页 |
| ·预处理单元: | 第11-12页 |
| ·数据融合单元 | 第12-13页 |
| 第二章 雷达目标模式识别概述 | 第13-20页 |
| ·模式和模式识别的概念 | 第13页 |
| ·模式识别工程概述 | 第13-15页 |
| ·模式识别的基本方法 | 第15-16页 |
| ·雷达目标识别 | 第16-17页 |
| ·雷达目标特征提取 | 第16-17页 |
| ·雷达目标识别数据的作用的 | 第17页 |
| ·特征参数归一化 | 第17-18页 |
| ·线性归一化 | 第17-18页 |
| ·非线性归一化 | 第18页 |
| ·模式的相似性度量 | 第18-20页 |
| 第三章 基于人工神经网络的雷达目标识别算法 | 第20-33页 |
| ·人工神经网络概述 | 第20-22页 |
| ·人工神经元发展历史 | 第20页 |
| ·人工神经元模型 | 第20-22页 |
| ·神经网络模型 | 第22页 |
| ·BP神经网络 | 第22-27页 |
| ·BP网络结构 | 第23-24页 |
| ·BP算法的数学描述 | 第24-26页 |
| ·BP网络中的神经元模型 | 第26页 |
| ·BP网络的训练过程 | 第26-27页 |
| ·BP神经网络在雷达目标识别中的仿真 | 第27-32页 |
| ·结论 | 第32-33页 |
| 第四章 基于模糊聚类预处理的雷达目标模式识别 | 第33-49页 |
| ·模糊集的基本知识 | 第33-37页 |
| ·隶属度函数 | 第33-36页 |
| ·模糊集的基本运算 | 第36-37页 |
| ·结果的模糊化 | 第37-38页 |
| ·模糊聚类方法 | 第38-48页 |
| ·模糊C划分 | 第39-44页 |
| ·硬C划分 | 第39-40页 |
| ·模糊C划分 | 第40-42页 |
| ·模糊C划分雷达目标聚类仿真 | 第42-44页 |
| ·其他主要聚类方法 | 第44-48页 |
| ·山峰聚类法 | 第44-46页 |
| ·减法聚类法 | 第46-47页 |
| ·减法聚类法雷达目标聚类仿真 | 第47-48页 |
| ·结论 | 第48-49页 |
| 第五章 雷达目标信号的数据融合 | 第49-57页 |
| ·数据融合算法简介 | 第49-52页 |
| ·物理模型类识别技术 | 第50页 |
| ·参数分类识别技术 | 第50-52页 |
| ·统计法 | 第50-51页 |
| ·信息论技术 | 第51-52页 |
| ·D-S证据理论 | 第52-56页 |
| ·基本概念 | 第52-53页 |
| ·D-S证据理论在适当条件下的简化 | 第53-54页 |
| ·D-S证据理论的推广 | 第54-55页 |
| ·D-S证据理论在雷达数据融合中的应用 | 第55-56页 |
| ·结论 | 第56-57页 |
| 第六章 系统设计与分析 | 第57-61页 |
| ·雷达目标识别系统设计 | 第57-58页 |
| ·雷达目标识别系统分析 | 第58-59页 |
| ·多传感器雷达侦测终端 | 第58页 |
| ·信号识别单元 | 第58-59页 |
| ·数据融合中心 | 第59页 |
| ·雷达目标识别系统流程 | 第59-60页 |
| ·结论 | 第60-61页 |
| 结束语 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 致 谢 | 第64页 |
