混沌背景中的微弱信号检测
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·微弱信号检侧概述 | 第10-13页 |
| ·微弱信号检测的发展过程 | 第10-11页 |
| ·弱信号检测的基本概念 | 第11-13页 |
| ·课题起源 | 第13-15页 |
| ·国内外研究进展 | 第15-16页 |
| ·本文的研究工作及内容安排 | 第16-17页 |
| 第二章 混沌理论概述 | 第17-26页 |
| ·引言 | 第17页 |
| ·混沌理论的发展及应用 | 第17-19页 |
| ·混沌的定义和基本特征 | 第19-21页 |
| ·混沌和吸引子 | 第21-25页 |
| ·吸引子的概念 | 第21-23页 |
| ·常见的混沌吸引子模型 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 混沌时间序列的相空间重构算法研究 | 第26-45页 |
| ·混沌的特征量 | 第26-31页 |
| ·相关维数 | 第26-28页 |
| ·Lyapunov指数 | 第28-31页 |
| ·混沌时间序列的相空间重构理论 | 第31-33页 |
| ·相空间重构参数算法研究 | 第33-40页 |
| ·嵌入维数的计算方法 | 第33-36页 |
| ·重构时延的计算方法 | 第36-40页 |
| ·混沌信号与噪声 | 第40-43页 |
| ·MATLAB与VC++混合编程提高算法效率 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 混沌背景中微弱信号检测的神经网络方法 | 第45-64页 |
| ·神经网络的基本理论 | 第45-49页 |
| ·人工神经元 | 第45-48页 |
| ·神经网络特点和学习规则 | 第48-49页 |
| ·多层前馈神经网络(BP网络) | 第49-54页 |
| ·BP网络的结构 | 第49-50页 |
| ·标准BP算法 | 第50-54页 |
| ·基于BP网络的混沌时间序列的单步和多步预测 | 第54-58页 |
| ·神经网络建模 | 第54-55页 |
| ·单步预测和多步预测 | 第55-56页 |
| ·实例分析 | 第56-58页 |
| ·混沌背景中微弱信号检测的神经网络方法 | 第58-63页 |
| ·瞬态信号的检测 | 第58-59页 |
| ·周期信号的检测 | 第59页 |
| ·仿真实验 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 实际海杂波数据的混沌特性分析及目标检测 | 第64-78页 |
| ·常用的海杂波模型 | 第64-66页 |
| ·雷达和数据介绍 | 第66-69页 |
| ·雷达简介 | 第66-68页 |
| ·试验条件 | 第68-69页 |
| ·数据说明 | 第69页 |
| ·基于实际海杂波数据的混沌特性分析 | 第69-75页 |
| ·三维图 | 第70-71页 |
| ·幅度功率谱分析 | 第71-72页 |
| ·时间延迟τ | 第72页 |
| ·嵌入维数m | 第72-74页 |
| ·最大Lyapunov指数 | 第74页 |
| ·相关结论 | 第74-75页 |
| ·基于海杂波混沌特性的目标信号检侧 | 第75-77页 |
| ·非相干雷达检测模型 | 第75-76页 |
| ·相干雷达检测模型 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 总结和展望 | 第78-80页 |
| 附录 | 第80-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-90页 |
| 攻读硕士学位期间发表的学术论文 | 第90页 |
