基于HRRP的自动目标识别技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文结构安排 | 第15-17页 |
| 第二章 HRRP目标识别技术基本理论 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 HRRP回波特性 | 第17-20页 |
| 2.2.1 HRRP散射点模型保持不变的条件 | 第17-18页 |
| 2.2.2 单个距离单元的回波特性 | 第18-20页 |
| 2.3 HRRP ATR研究的主要内容 | 第20-23页 |
| 2.3.1 HRRP预处理技术 | 第20-22页 |
| 2.3.2 HRRP特征提取技术 | 第22页 |
| 2.3.3 HRRP分类技术 | 第22-23页 |
| 2.4 HRRP ATR的主要难点 | 第23页 |
| 2.5 实验数据介绍 | 第23-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于组合特征和SVM的HRRP目标识别 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 HRRP特征提取 | 第27-30页 |
| 3.2.1 非相干平均距离像特征提取 | 第28页 |
| 3.2.2 中心矩特征提取 | 第28-30页 |
| 3.3 HRRP分类器设计 | 第30-35页 |
| 3.3.1 最近邻模糊分类器 | 第30-32页 |
| 3.3.2 SVM分类器 | 第32-35页 |
| 3.3.2.1 线性支持矢量机 | 第32-34页 |
| 3.3.2.2 非线性支持矢量机 | 第34-35页 |
| 3.4 基于组合特征和SVM的HRRP目标识别 | 第35-36页 |
| 3.4.1 训练过程 | 第35-36页 |
| 3.4.2 识别过程 | 第36页 |
| 3.5 实验结果及分析 | 第36-40页 |
| 3.5.1 实验结果 | 第36-37页 |
| 3.5.2 实验结果分析 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于组合特征的监督型稀疏保持投影算法 | 第41-61页 |
| 4.1 引言 | 第41-42页 |
| 4.2 稀疏保持投影原理介绍 | 第42-43页 |
| 4.3 监督型稀疏保持原理介绍 | 第43-45页 |
| 4.4 算法框图 | 第45-46页 |
| 4.5 基于组合特征的监督型稀疏保持投影算法 | 第46-47页 |
| 4.5.1 训练过程 | 第46页 |
| 4.5.2 识别过程 | 第46-47页 |
| 4.6 实验结果及分析 | 第47-60页 |
| 4.6.1 实验结果 | 第47页 |
| 4.6.2 实验结果分析 | 第47-60页 |
| 4.7 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61页 |
| 5.2 未来工作展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 硕士攻读期间所发表的论文 | 第70页 |
