| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 本文研究背景和意义 | 第9-11页 |
| 1.2 一维距离像目标识别技术及研究现状 | 第11-13页 |
| 1.3 论文主要工作和章节安排 | 第13-15页 |
| 第二章 雷达一维距离像散射中心模型 | 第15-23页 |
| 2.1 散射中心模型 | 第15-17页 |
| 2.2 雷达一维距离像 | 第17-19页 |
| 2.3 一维距离像的特点 | 第19-20页 |
| 2.4 本文实验数据说明 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于 GABOR 字典参数特征的一维像目标识别 | 第23-37页 |
| 3.1 信号的稀疏分解原理 | 第23-29页 |
| 3.1.1 原子库的构造 | 第24-26页 |
| 3.1.1.1 Gabor 字典 | 第24-25页 |
| 3.1.1.2 匹配字典 | 第25-26页 |
| 3.1.2 信号稀疏重构算法 | 第26-29页 |
| 3.1.2.1 凸优化算法 | 第26页 |
| 3.1.2.2 贪婪迭代算法 | 第26-29页 |
| 3.2 GABOR 字典的特征提取 | 第29-31页 |
| 3.3 支持向量机分类器简介 | 第31-33页 |
| 3.4 仿真分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 压缩感知散射中心特征提取及识别 | 第37-52页 |
| 4.1 压缩感知理论 | 第37-39页 |
| 4.2 雷达一维像回波信号的稀疏分析 | 第39-41页 |
| 4.3 散射中心特征提取及最近中心邻分类器介绍 | 第41-46页 |
| 4.3.1 压缩感知散射中心特征提取 | 第42-46页 |
| 4.3.2 最近中心邻分类器介绍 | 第46页 |
| 4.4 仿真结果与分析 | 第46-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于凸优化稀疏分解的雷达目标识别 | 第52-66页 |
| 5.1 凸优化稀疏分解目标识别原理 | 第52-54页 |
| 5.2 特征提取方法介绍 | 第54-59页 |
| 5.2.1 PCA 方法简介 | 第55-57页 |
| 5.2.2 LDA 方法简介 | 第57-59页 |
| 5.3 仿真结果与分析 | 第59-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第六章 全文总结 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻硕期间取得的研究成果 | 第73-74页 |