| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 概述 | 第9-10页 |
| 1.2 研究背景与现状 | 第10-12页 |
| 1.3 研究关键技术 | 第12-13页 |
| 1.4 论文内容和安排 | 第13-17页 |
| 1.4.1 数据介绍 | 第13-14页 |
| 1.4.2 内容安排 | 第14-17页 |
| 第二章 雷达高分辨距离像目标识别的基本原理 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 高分辨雷达回波特性分析 | 第17-20页 |
| 2.2.1 方位敏感性 | 第18-19页 |
| 2.2.2 平移敏感性 | 第19页 |
| 2.2.3 幅度敏感性 | 第19-20页 |
| 2.3 目标特征提取 | 第20-22页 |
| 2.4 目标识别分类 | 第22-24页 |
| 2.4.1 最大相关系数法 | 第22-23页 |
| 2.4.2 神经网络识别算法 | 第23-24页 |
| 2.4.3 核函数方法 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 数据预处理 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 预处理流程 | 第25-26页 |
| 3.3 分角域建立模型 | 第26页 |
| 3.4 回波数据区域提取 | 第26-28页 |
| 3.5 距离对齐 | 第28-33页 |
| 3.5.1 相关对齐法 | 第28-29页 |
| 3.5.2 零相位对齐法 | 第29页 |
| 3.5.3 全局最小熵对齐法 | 第29-31页 |
| 3.5.4 方法比较与验证 | 第31-33页 |
| 3.6 归一化处理 | 第33页 |
| 3.7 实验结果分析 | 第33-37页 |
| 3.8 本章小结 | 第37-39页 |
| 第四章 基于改进GRNN神经网络的目标分类识别方法 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 径向基函数神经网络(RBF) | 第39-41页 |
| 4.3 广义回归神经网络(GRNN) | 第41-44页 |
| 4.3.1 基本网络结构 | 第41-42页 |
| 4.3.2 网络理论原理 | 第42-44页 |
| 4.4 基于交叉验证法改进GRNN网络 | 第44-45页 |
| 4.4.1 简单交叉验证法 | 第44页 |
| 4.4.2 k-折交叉验证法 | 第44页 |
| 4.4.3 留一法 | 第44-45页 |
| 4.5 实验结果分析 | 第45-48页 |
| 4.6 本章小结 | 第48-51页 |
| 第五章 解决雷达高分辨距离像库外目标拒判问题的方法 | 第51-59页 |
| 5.1 引言 | 第51页 |
| 5.2 库外目标拒判 | 第51-52页 |
| 5.3 库外目标样本生成 | 第52-53页 |
| 5.4 拒判性能评估准则 | 第53-54页 |
| 5.5 置信度准则 | 第54-57页 |
| 5.6 实验结果分析 | 第57-58页 |
| 5.7 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-63页 |
| 6.1 全文内容总结 | 第59-60页 |
| 6.2 工作展望 | 第60-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简介 | 第69页 |