空中雷达目标识别技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·雷达目标识别的研究内容 | 第7-9页 |
| ·雷达目标识别的研究背景及研究动态 | 第9-11页 |
| ·本文的主要创新性工作 | 第11-12页 |
| 2 基于微多普勒效应的雷达目标识别算法 | 第12-32页 |
| ·雷达目标的微多普勒效应 | 第12-22页 |
| ·微多普勒效应的介绍 | 第12页 |
| ·微多普勒信号的建模仿真 | 第12-13页 |
| ·目标振动引起的微多普勒信号 | 第13-16页 |
| ·目标自转引起的微多普勒信号 | 第16-18页 |
| ·目标旋动引起的微多普勒信号 | 第18-20页 |
| ·目标翻滚引起的微多普勒信号 | 第20-22页 |
| ·基于微多普勒效应的特征信号提取 | 第22-24页 |
| ·一种提取微多普勒信号的方法—经验模式分解 | 第22-23页 |
| ·EMD算法介绍 | 第23-24页 |
| ·分类器设计—相关匹配算法 | 第24-25页 |
| ·仿真识别结果 | 第25-26页 |
| ·实际目标数据的识别结果 | 第26-31页 |
| ·小结 | 第31-32页 |
| 3 基于一维距离像的可在线训练雷达目标识别算法 | 第32-48页 |
| ·支持向量机算法的基本原理 | 第32-35页 |
| ·机器学习及其主要的实现方法 | 第32页 |
| ·支持向量机基础 | 第32-35页 |
| ·基于一维距离像的中心距离比值目标识别算法的原理 | 第35-42页 |
| ·一维距离像的特征提取和特征变换过程 | 第35页 |
| ·特征向量的改进—功率平均思想 | 第35-36页 |
| ·SVM中心距离比值算法的原理 | 第36-41页 |
| ·SVM分类器设计 | 第41-42页 |
| ·计算机仿真结果 | 第42-46页 |
| ·仿真背景和条件 | 第42-43页 |
| ·典型条件下的仿真流程 | 第43-44页 |
| ·仿真程序及其仿真结果 | 第44-46页 |
| ·小结 | 第46-48页 |
| 结束语 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54页 |