| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景和意义 | 第9-10页 |
| ·雷达目标识别技术概述 | 第10-11页 |
| ·基于雷达高分辨一维距离像目标识别技术国内外研究状况 | 第11-15页 |
| ·本论文主要工作和章节安排 | 第15-17页 |
| 第二章 雷达目标一维距离成像及散射中心模型介绍 | 第17-27页 |
| ·目标散射中心模型介绍 | 第17-19页 |
| ·点散射中心模型 | 第17-18页 |
| ·GTD 模型 | 第18-19页 |
| ·指数和模型（DE 模型） | 第19页 |
| ·一维距离像的形成 | 第19-21页 |
| ·雷达目标一维距离像的特性分析 | 第21-23页 |
| ·一维距离像的方位敏感性 | 第21-22页 |
| ·一维距离像的平移敏感性 | 第22-23页 |
| ·一维距离像的强度敏感性 | 第23页 |
| ·一维距离像实测数据介绍 | 第23-27页 |
| 第三章 基于改进子空间方法的一维距离像识别 | 第27-46页 |
| ·引言 | 第27页 |
| ·基于PCA 的子空间识别方法 | 第27-30页 |
| ·PCA 原理 | 第27-28页 |
| ·基于PCA 的特征提取 | 第28-29页 |
| ·改进的PCA（APCA）方法 | 第29-30页 |
| ·基于LDA 的子空间识别方法 | 第30-33页 |
| ·基于LDA 的特征提取 | 第30-31页 |
| ·基于改进LDA(NWLDA)方法的特征提取 | 第31-32页 |
| ·基于PCA 算法、LDA 算法融合的特征提取 | 第32页 |
| ·基于PCA 算法、NWLDA 算法融合的特征提取 | 第32-33页 |
| ·两种分类器简介 | 第33-35页 |
| ·最近中心邻分类器（NCC） | 第33-34页 |
| ·最近邻特征线分类器（NFL） | 第34-35页 |
| ·本章实验 | 第35-45页 |
| ·本章总结 | 第45-46页 |
| 第四章 基于特征融合的一维距离像识别 | 第46-58页 |
| ·引言 | 第46页 |
| ·基于后验概率子空间特征融合的目标识别 | 第46-49页 |
| ·贝叶斯融合理论分析 | 第46-48页 |
| ·基于后验概率子空间特征融合算法 | 第48-49页 |
| ·基于全局局部特征融合的目标识别 | 第49-53页 |
| ·局部保留映射算法 | 第50-51页 |
| ·全局局部特征融合算法 | 第51-53页 |
| ·本章实验 | 第53-57页 |
| ·本章总结 | 第57-58页 |
| 第五章 基于散射中心特征的一维距离像识别 | 第58-70页 |
| ·基于散射中心能量支撑区长度的特征提取 | 第58-63页 |
| ·散射中心能量支撑区长度 | 第58-60页 |
| ·本节实验 | 第60-63页 |
| ·基于强散射中心数目的特征提取 | 第63-68页 |
| ·强散射中心的数目 | 第64页 |
| ·本节实验 | 第64-68页 |
| ·本章总结 | 第68-70页 |
| 第六章 全文总结和展望 | 第70-72页 |
| ·全文总结 | 第70-71页 |
| ·后续研究 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 在学期间研究成果 | 第76-77页 |