| 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 雷达自动目标识别的背景和意义 | 第14-15页 |
| 1.2 窄带车辆目标识别研究现状和趋势 | 第15-16页 |
| 1.3 本文内容安排 | 第16-18页 |
| 第二章 运动车辆目标的微多普勒效应 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 运动车辆目标的微多普勒模型 | 第18-26页 |
| 2.2.1 旋转目标的微多普勒效应 | 第18-22页 |
| 2.2.2 车轮和履带的微运动分析 | 第22-26页 |
| 2.3 运动车辆目标微多普勒信号分析 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 运动车辆目标的分类方法 | 第30-48页 |
| 3.1 引言 | 第30页 |
| 3.2 车辆目标分类流程 | 第30-31页 |
| 3.3 杂波抑制方法 | 第31-37页 |
| 3.3.1 基于脉冲对消MTI的杂波抑制 | 第31-33页 |
| 3.3.2 基于CLEAN算法的杂波抑制 | 第33-35页 |
| 3.3.3 基于广义匹配滤波器(GMF)的杂波抑制 | 第35-36页 |
| 3.3.4 杂波抑制方法对比分析 | 第36-37页 |
| 3.4 基于多普勒谱的特征提取方法 | 第37-40页 |
| 3.5 基于能量分布的特征提取方法 | 第40-43页 |
| 3.5.1 谐波分解求剩余能量比特征 | 第40-41页 |
| 3.5.2 协方差矩阵特征分解求特征谱特征 | 第41-43页 |
| 3.6 分类算法 | 第43-47页 |
| 3.6.1 线性判别分类器 | 第44页 |
| 3.6.2 K最近邻分类器 | 第44-45页 |
| 3.6.3 支撑向量机 | 第45-46页 |
| 3.6.4 各分类算法比较 | 第46-47页 |
| 3.7 本章小结 | 第47-48页 |
| 第四章 运动车辆目标分类的工程实现 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 TS201S芯片介绍 | 第48-51页 |
| 4.2.1 TS201S概述 | 第48-50页 |
| 4.2.2 TS201的软件开发平台 | 第50-51页 |
| 4.3 运动目标分类系统的工程实现 | 第51-59页 |
| 4.3.1 运动目标分类方法分析 | 第51-53页 |
| 4.3.2 运动目标分类系统设计 | 第53-56页 |
| 4.3.3 运动目标分类系统的模块介绍 | 第56-59页 |
| 4.4 性能分析 | 第59-61页 |
| 4.4.1 运算精度分析 | 第59-60页 |
| 4.4.2 运算时间分析 | 第60页 |
| 4.4.3 识别效果分析 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 论文工作总结 | 第62页 |
| 5.2 工作展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-69页 |