| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景 | 第14页 |
| 1.2 国内外研究发展与现状 | 第14-17页 |
| 1.2.1 脉间特征分选 | 第15-16页 |
| 1.2.2 脉内特征提取 | 第16页 |
| 1.2.3 特征分类算法 | 第16-17页 |
| 1.3 本文的研究工作及内容安排 | 第17-18页 |
| 第二章 基于脉间特征的雷达信号分选 | 第18-34页 |
| 2.1 雷达信号分选的特征 | 第18-20页 |
| 2.2 雷达脉冲信号的常见PRI类型 | 第20-21页 |
| 2.2.1 固定PRI雷达信号 | 第20页 |
| 2.2.2 抖动PRI雷达信号 | 第20页 |
| 2.2.3 参差PRI雷达信号 | 第20-21页 |
| 2.2.4 滑变PRI雷达信号 | 第21页 |
| 2.2.5 其他PRI雷达信号 | 第21页 |
| 2.3 直方图法 | 第21-25页 |
| 2.3.1 累积差值直方图算法(CDIF) | 第22-23页 |
| 2.3.2 序列差值直方图算法(SDIF) | 第23页 |
| 2.3.3 CDIF和SDIF算法仿真及结果分析 | 第23-25页 |
| 2.4 PRI变换法 | 第25-32页 |
| 2.4.1 PRI变换法原理 | 第25-27页 |
| 2.4.2 PRI变换法的实现 | 第27-29页 |
| 2.4.3 修正后的PRI变换法 | 第29-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 复杂调制雷达信号的脉内特征提取方法 | 第34-54页 |
| 3.1 常见的雷达信号脉内调制方式 | 第34-36页 |
| 3.2 小波变换 | 第36-45页 |
| 3.2.1 小波变换原理 | 第36-37页 |
| 3.2.2 小波脊线 | 第37-38页 |
| 3.2.3 小波脊线提取方法 | 第38-40页 |
| 3.2.4 提取小波脊线的仿真实现 | 第40-45页 |
| 3.3 高阶谱特征 | 第45-52页 |
| 3.3.1 高阶谱的定义 | 第45-47页 |
| 3.3.2 双谱特征的性质和分析 | 第47-48页 |
| 3.3.3 仿真实现双谱特征 | 第48-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第四章 基于深度网络的脉内特征分类 | 第54-74页 |
| 4.1 基于全连接神经网络的信号分选 | 第54-62页 |
| 4.1.1 全连接神经网络结构 | 第54-56页 |
| 4.1.2 全连接神经网络迭代算法 | 第56-59页 |
| 4.1.3 基于全连接神经网络的脉内特征分类仿真实验 | 第59-62页 |
| 4.2 基于深度置信网络的信号分选 | 第62-73页 |
| 4.2.1 玻尔兹曼机及能量函数 | 第63-64页 |
| 4.2.2 受限玻尔兹曼机模型及求解 | 第64-67页 |
| 4.2.3 受限玻尔兹曼机训练算法 | 第67-69页 |
| 4.2.4 深度置信网络结构及训练算法 | 第69-70页 |
| 4.2.5 基于深度置信网络的脉内特征分类仿真实验 | 第70-73页 |
| 4.3 本章小结 | 第73-74页 |
| 第五章 总结和展望 | 第74-76页 |
| 5.1 全文总结 | 第74页 |
| 5.2 工作展望 | 第74-76页 |
| 参考文献 | 第76-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |