雷达目标高分辨距离像识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-17页 |
| ·雷达目标识别技术回顾 | 第8-11页 |
| ·光学区雷达目标识别概述 | 第11-15页 |
| ·目标二维及三维像识别 | 第11-12页 |
| ·目标一维高分辨距离像识别 | 第12-15页 |
| ·论文的研究内容 | 第15-17页 |
| 第二章 高分辨距离像目标及其特点 | 第17-21页 |
| ·目标散射中心模型 | 第17页 |
| ·高分辨距离像的特点 | 第17-18页 |
| ·仿真目标模型 | 第18-21页 |
| 第三章 小波变换应用于雷达目标HRRP 识别 | 第21-33页 |
| ·小波变换 | 第21-22页 |
| ·小波多分辨分析法和Beylkin 算法 | 第22-25页 |
| ·小波多分辨分析 | 第23-25页 |
| ·相关概念 | 第23页 |
| ·多分辨分析 | 第23-24页 |
| ·多分辨分析算法 | 第24-25页 |
| ·Beylkin 算法 | 第25页 |
| ·基于上述两种小波变换的目标识别仿真实验 | 第25-31页 |
| ·方法描述 | 第25-26页 |
| ·仿真实验结果及分析 | 第26-31页 |
| ·本章小结 | 第31-33页 |
| 第四章 人工神经网络应用于HRRP 识别 | 第33-45页 |
| ·BP 神经网络 | 第33-37页 |
| ·小波神经网络 | 第37-39页 |
| ·基于BP 网络和小波神经网络的仿真实验 | 第39-43页 |
| ·方法描述 | 第39页 |
| ·实验结果 | 第39-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 支持向量机应用于雷达HRRP 识别 | 第45-55页 |
| ·统计学习理论 | 第45-49页 |
| ·线性可分SVM | 第46-47页 |
| ·线性不可分SVM | 第47-48页 |
| ·非线性SVM | 第48页 |
| ·SVM 训练学习算法 | 第48-49页 |
| ·基于多类的SVM | 第49页 |
| ·支持向量机应用于雷达目标识别实验 | 第49-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 所用识别方法的比较 | 第55-58页 |
| ·在不同姿态角范围内识别性能的比较 | 第55-56页 |
| ·识别性能的比较 | 第56页 |
| ·各方法抗噪性能的比较 | 第56-58页 |
| 第七章 总结及展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 在学期间研究成果 | 第66页 |
