雷达目标RCS建模与识别技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 雷达自动目标识别技术概述 | 第7-10页 |
| 1.2.1 国内外研究现状 | 第7-9页 |
| 1.2.2 雷达目标识别流程简介 | 第9-10页 |
| 1.3 论文主要内容及章节安排 | 第10-12页 |
| 2 雷达目标的RCS建模 | 第12-27页 |
| 2.1 雷达散射截面积计算 | 第12-13页 |
| 2.2 远距离目标的RCS合成 | 第13页 |
| 2.3 近距离目标的RCS拟合 | 第13-24页 |
| 2.3.1 RCS数据仿真 | 第14-15页 |
| 2.3.2 径向基函数网络 | 第15-17页 |
| 2.3.3 仿真实验与结果验证 | 第17-24页 |
| 2.4 RCS合成计算准则 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 3 基于特征加权与流形学习的雷达目标识别方法研究 | 第27-53页 |
| 3.1 高分辨一维距离像的获取与仿真平台 | 第27-30页 |
| 3.2 高分辨一维距离像的特性与预处理 | 第30-35页 |
| 3.2.1 幅度敏感性 | 第31-32页 |
| 3.2.2 平移敏感性 | 第32页 |
| 3.2.3 姿态敏感性 | 第32-35页 |
| 3.3 特征加权方法 | 第35-37页 |
| 3.4 基于流形学习的特征提取方法 | 第37-47页 |
| 3.4.1 经典的流形学习方法 | 第38-44页 |
| 3.4.2 自适应邻域保持判别投影算法 | 第44-47页 |
| 3.5 仿真实验与结果分析 | 第47-52页 |
| 3.6 本章小结 | 第52-53页 |
| 4 基于多分类器融合的雷达目标识别方法研究 | 第53-65页 |
| 4.1 常用分类器 | 第53-56页 |
| 4.1.1 K近邻 | 第53页 |
| 4.1.2 相关匹配 | 第53-54页 |
| 4.1.3 支持向量机 | 第54-56页 |
| 4.2 常用融合算法介绍 | 第56-58页 |
| 4.2.1 Bagging算法 | 第56-57页 |
| 4.2.2 Boosting算法 | 第57页 |
| 4.2.3 AdaBoost算法 | 第57-58页 |
| 4.3 基于AdaBoost的多分类器融合算法 | 第58-60页 |
| 4.4 仿真实验与结果分析 | 第60-61页 |
| 4.5 雷达目标识别软件开发 | 第61-64页 |
| 4.6 本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-67页 |
| 5.1 论文内容总结 | 第65页 |
| 5.2 后续工作和展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72页 |
