穿墙雷达基于支持向量机的成像算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 研究内容及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 超宽带穿墙雷达系统 | 第12-13页 |
| 1.2.2 目标散射信号的提取问题 | 第13-14页 |
| 1.2.3 成像算法 | 第14-16页 |
| 1.2.4 墙体参数估计 | 第16-17页 |
| 1.2.5 智能算法 | 第17-18页 |
| 1.2.6 目标形状重构问题 | 第18-19页 |
| 1.3 本文的主要工作 | 第19-21页 |
| 第二章 超宽带穿墙雷达的成像算法 | 第21-45页 |
| 2.1 理论基础 | 第22-25页 |
| 2.2 FDTD方法的介绍 | 第25-27页 |
| 2.2.1 FDTD基本原理 | 第26页 |
| 2.2.2 数值稳定性 | 第26-27页 |
| 2.2.3 吸收边界条件 | 第27页 |
| 2.3 FDTD建模 | 第27-30页 |
| 2.3.1 无墙体仿真模型 | 第27-29页 |
| 2.3.2 单层墙体仿真模型 | 第29-30页 |
| 2.3.3 两层墙体仿真模型 | 第30页 |
| 2.4 目标散射信号的提取 | 第30-31页 |
| 2.5 图像的熵 | 第31-32页 |
| 2.6 成像算法 | 第32-35页 |
| 2.6.1 时域成像算法 | 第32-33页 |
| 2.6.2 频域成像算法 | 第33-35页 |
| 2.7 仿真结果与讨论 | 第35-43页 |
| 2.7.1 无墙体模型时的成像分析 | 第36-38页 |
| 2.7.2 单层墙体模型时的成像分析 | 第38-41页 |
| 2.7.3 两层墙体模型时的成像分析 | 第41-43页 |
| 2.8 本章小结 | 第43-45页 |
| 第三章 基于支持向量机的目标形状重构方法 | 第45-61页 |
| 3.1 FDTD建模 | 第45-46页 |
| 3.2 支持向量分类机基本原理 | 第46-50页 |
| 3.3 特征提取 | 第50页 |
| 3.4 基于SVM的目标识别方法 | 第50-51页 |
| 3.5 仿真结果与讨论 | 第51-60页 |
| 3.5.1 无墙体模型 | 第51-54页 |
| 3.5.2 单层墙体模型 | 第54-60页 |
| 3.6 本章小结 | 第60-61页 |
| 第四章 基于支持向量机的墙体参数预测方法 | 第61-75页 |
| 4.1 FDTD建模 | 第62-63页 |
| 4.2 特征提取 | 第63页 |
| 4.3 支持向量回归机的基本原理 | 第63-65页 |
| 4.4 基于SVM的墙体参数预测方法 | 第65-66页 |
| 4.5 仿真结果与分析 | 第66-72页 |
| 4.5.1 SVM模型的建立 | 第66-69页 |
| 4.5.2 影响墙体参数预测的因素 | 第69-72页 |
| 4.6 墙体参数未知时的实时成像 | 第72-74页 |
| 4.7 本章小结 | 第74-75页 |
| 第五章 基于最小二乘支持向量机的墙体参数预测方法 | 第75-91页 |
| 5.1 FDTD模型 | 第76页 |
| 5.2 特征提取 | 第76-77页 |
| 5.3 最小二乘支持向量机的基本原理 | 第77-78页 |
| 5.4 基于LS-SVM的墙体参数预测方法 | 第78-79页 |
| 5.5 仿真结果与分析 | 第79-89页 |
| 5.5.1 LS-SVM模型的建立 | 第79-84页 |
| 5.5.2 影响墙体参数预测的因素 | 第84-89页 |
| 5.6 本章小结 | 第89-91页 |
| 第六章 基于机器学习的目标定位方法 | 第91-101页 |
| 6.1 建模及基本原理 | 第92-96页 |
| 6.1.1 FDTD建模 | 第92-93页 |
| 6.1.2 特征提取 | 第93页 |
| 6.1.3 SVM的基本原理 | 第93-94页 |
| 6.1.4 LS-SVM的基本原理 | 第94-96页 |
| 6.2 基于机器学习的定位方法 | 第96-97页 |
| 6.3 仿真结果与分析 | 第97-100页 |
| 6.4 本章小结 | 第100-101页 |
| 第七章 总结与展望 | 第101-103页 |
| 参考文献 | 第103-111页 |
| 附录1 攻读博士学位期间撰写的论文 | 第111-112页 |
| 附录2 攻读博士学位期间参加的科研项目 | 第112-113页 |
| 致谢 | 第113页 |
