| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 本课题的目的和意义 | 第11-12页 |
| 1.2 信息融合技术的研究现状 | 第12-14页 |
| 1.3 目标识别技术的研究现状 | 第14页 |
| 1.4 本文的主要工作 | 第14-16页 |
| 第2章 信息融合和目标识别的原理 | 第16-28页 |
| 2.1 多传感器信息融合技术 | 第16-24页 |
| 2.1.1 多传感器信息融合的优势 | 第16-17页 |
| 2.1.2 信息融合的模型 | 第17-19页 |
| 2.1.3 信息融合级别的确定 | 第19-22页 |
| 2.1.4 信息融合结构的选择 | 第22-24页 |
| 2.1.5 多传感器信息融合的主要技术和方法 | 第24页 |
| 2.2 目标识别原理 | 第24-27页 |
| 2.2.1 目标航迹关联 | 第24-26页 |
| 2.2.2 目标识别算法 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 基于神经网络的低空目标识别算法 | 第28-44页 |
| 3.1 神经网络的理论基础 | 第28-29页 |
| 3.2 RBF神经网络的模型 | 第29-35页 |
| 3.2.1 RBF神经网络 | 第29-30页 |
| 3.2.2 RBF学习算法 | 第30-32页 |
| 3.2.3 RBF神经网络目标识别模型 | 第32-33页 |
| 3.2.4 输入输出向量的归一化 | 第33-35页 |
| 3.3 BP神经网络的模型 | 第35-38页 |
| 3.3.1 BP神经网络 | 第35-37页 |
| 3.3.2 BP神经网络目标识别模型 | 第37-38页 |
| 3.4 两种神经网络目标识别模型结果对比 | 第38-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 RS-RBF在低空目标识别中的应用 | 第44-54页 |
| 4.1 粗糙集理论基础 | 第44-46页 |
| 4.1.1 知识与分类 | 第44-45页 |
| 4.1.2 知识的约简与核 | 第45页 |
| 4.1.3 信息系统与决策表 | 第45-46页 |
| 4.1.4 不可分辨关系和上下近似集 | 第46页 |
| 4.2 基于粗糙集理论的数据处理 | 第46-50页 |
| 4.3 RS-RBF在低空目标识别中的应用 | 第50-53页 |
| 4.3.1 基于RS-RBF的低空目标识别仿真实验 | 第50-52页 |
| 4.3.2 RS-RBF和RBF在低空目标识别中的对比 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 信息融合技术在低空目标识别的应用 | 第54-62页 |
| 5.1 多传感器信息融合系统 | 第54-59页 |
| 5.1.1 雷达和红外传感器信息融合系统 | 第54-55页 |
| 5.1.2 最小二乘数据关联算法 | 第55-56页 |
| 5.1.3 信息融合仿真分析 | 第56-59页 |
| 5.2 RS-RBF低空目标识别技术 | 第59-61页 |
| 5.2.1 雷达—红外传感器低空目标识别模型 | 第59-60页 |
| 5.2.2 目标识别仿真分析 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第69-70页 |
| 致谢 | 第70-71页 |