雷达辐射源分类识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·雷达辐射源识别的研究背景和意义 | 第7-8页 |
| ·国内外研究现状分析 | 第8-11页 |
| ·本文的研究内容及论文安排 | 第11-13页 |
| 第二章 雷达辐射源信号分析 | 第13-19页 |
| ·雷达信号数学模型 | 第13-14页 |
| ·雷达辐射脉冲信号分析 | 第14-15页 |
| ·信号源仿真及其时频分析 | 第15-17页 |
| ·本章小结 | 第17-19页 |
| 第三章 雷达辐射源信号特征提取 | 第19-39页 |
| ·引言 | 第19页 |
| ·瞬时频率特征提取 | 第19-26页 |
| ·改进的瞬时自相关算法 | 第19-21页 |
| ·典型雷达信号的脉内瞬时频率 | 第21-23页 |
| ·瞬时频率特征提取算法 | 第23-25页 |
| ·仿真实验 | 第25-26页 |
| ·小波变换特征提取 | 第26-38页 |
| ·小波分析的基本理论 | 第26-29页 |
| ·多尺度分析和小波包定义 | 第29-33页 |
| ·基于小波变换的特征 | 第33-37页 |
| ·基于小波包能量的特征提取算法 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 雷达辐射源信号的分类识别 | 第39-57页 |
| ·引言 | 第39页 |
| ·聚类分类识别方法 | 第39-47页 |
| ·普通(硬)C-均值聚类算法 | 第40-41页 |
| ·模糊(软)C-均值聚类算法 | 第41-42页 |
| ·聚类数c的自适应方法 | 第42-43页 |
| ·基于类归属的异常脉冲识别方法 | 第43-44页 |
| ·仿真实验 | 第44-47页 |
| ·支持向量机识别方法 | 第47-55页 |
| ·统计学习理论 | 第47-50页 |
| ·支持向量机 | 第50-53页 |
| ·实验仿真 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 作者在读期间参加的科研实践和科研成果 | 第65-66页 |