| 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14-22页 |
| 1.1 雷达自动目标识别的研究背景和意义 | 第14-16页 |
| 1.2 雷达自动目标识别的研究现状 | 第16-18页 |
| 1.3 本文的章节安排 | 第18-22页 |
| 1.3.1 所用数据的介绍 | 第18-19页 |
| 1.3.2 本文的内容安排 | 第19-20页 |
| 1.3.3 本文的创新点 | 第20-22页 |
| 第二章 基于贝叶斯理论的统计识别 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 基于贝叶斯理论的统计学习 | 第22-30页 |
| 2.2.1 基于贝叶斯理论的推断方法 | 第23-26页 |
| 2.2.2 基于贝叶斯理论的统计模型 | 第26-29页 |
| 2.2.3 利用AGC和FA模型进行建模 | 第29-30页 |
| 2.3 实验与分析 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于复高斯模型的高距离分辨回波噪声稳健识别方法 | 第32-46页 |
| 3.1 引言 | 第32-33页 |
| 3.2 复高斯模型 | 第33-39页 |
| 3.2.1 雷达高距离分辨回波的统计分析 | 第33-36页 |
| 3.2.2 利用复高斯模型对高距离分辨回波建模 | 第36-38页 |
| 3.2.3 实验与结果分析 | 第38-39页 |
| 3.3 基于复高斯模型的噪声稳健识别方法 | 第39-44页 |
| 3.3.1 基于复高斯模型的噪声稳健识别方法 | 第39-40页 |
| 3.3.2 基于复高斯模型的噪声稳健识别算法的识别步骤 | 第40-42页 |
| 3.3.3 实验与结果分析 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 基于标签辅助因子分析模型的雷达目标识别方法 | 第46-64页 |
| 4.1 引言 | 第46-47页 |
| 4.2 多任务因子分析模型 | 第47-50页 |
| 4.2.1 多任务因子分析模型的构建 | 第47-48页 |
| 4.2.2 多任务因子分析模型的推导 | 第48-50页 |
| 4.3 标签辅助因子分析模型 | 第50-59页 |
| 4.3.1 标签辅助因子分析模型的构建 | 第51-53页 |
| 4.3.2 标签辅助因子分析（LA-FA）模型的推导 | 第53-57页 |
| 4.3.3 基于标签辅助因子分析模型的识别过程 | 第57-59页 |
| 4.4 实验与结果分析 | 第59-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 结束语 | 第64-66页 |
| 5.1 全文内容总结 | 第64页 |
| 5.2 工作展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 作者简介 | 第72-73页 |
