图书介绍
雷达高分辨距离像目标识别的关键应用研究PDF|Epub|txt|kindle电子书版本网盘下载
- 柴晶，侯庆禹著 著
- 出版社： 北京：科学出版社
- ISBN：9787030565891
- 出版时间：2018
- 标注页数：120页
- 文件大小：20MB
- 文件页数：130页
- 主题词：高分辨率雷达－雷达目标识别
PDF下载
下载说明
雷达高分辨距离像目标识别的关键应用研究PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1雷达自动目标识别综述1
1.1.1雷达自动目标识别的基本概念1
1.1.2雷达自动目标识别的划分方法1
1.1.3雷达自动目标识别的意义、历史和现状2
1.2雷达高分辨距离像目标识别研究的关键问题4
1.2.1HRRP的方位敏感性问题4
1.2.2HRRP的平移敏感性问题4
1.2.3HRRP的幅度敏感性问题5
1.2.4HRRP的杂波抑制问题5
1.2.5HRRP的库外目标拒判问题5
1.2.6HRRP的特征提取问题6
1.3凸优化问题简介7
1.3.1凸优化的定义7
1.3.2凸优化的形式7
1.4基于核函数的模式分析方法8
1.4.1模式分析方法的发展历程9
1.4.2核方法的基本概念9
1.4.3核函数优化11
1.5数据介绍和内容安排12
1.5.1数据介绍12
1.5.2内容安排13
参考文献15
第2章 宽带雷达自动目标识别的杂波抑制问题20
2.1引言20
2.2信号模型21
2.3多普勒域直接滤波22
2.3.1杂波抑制23
2.3.2基于实测数据的仿真实验24
2.3.3本节小结27
2.4基于Keystone变换的宽带雷达自动目标识别杂波抑制27
2.4.1多普勒域直接滤波28
2.4.2频率-多普勒域信号的提取与杂波抑制28
2.4.3基于实测数据的仿真实验29
2.4.4本节小结32
2.5基于Hough变换的宽带雷达自动目标识别杂波抑制33
2.5.1Hough变换的原理33
2.5.2利用Hough变换提取信号信息34
2.5.3运动补偿后提取信号信息35
2.5.4基于实测数据的仿真实验35
2.5.5本节小结38
2.6本章小结39
参考文献39
第3章 雷达高分辨距离像库外目标拒判问题研究41
3.1库外目标样本生成41
3.2拒判性能评估准则43
3.3基于超球体边界的拒判算法44
3.3.1支持向量域描述44
3.3.2多核支持向量域描述47
3.3.3本节小结51
3.4基于近邻边界的拒判算法52
3.4.1NN分类器52
3.4.2A-KNN分类器52
3.4.3W-KNN分类器53
3.4.4本节小结53
3.5实验结果53
3.5.1基于AUC准则的实验结果54
3.5.2基于LF准则的实验结果58
3.5.3结果分析59
3.6本章小结59
参考文献59
第4章 融合距离准则学习和分类器设计的特征提取算法61
4.1算法设计61
4.1.1欧氏距离准则测度下最近均值（NM）分类器的应用缺陷62
4.1.2局部均值和最近局部均值（NLM）分类器62
4.1.3大间隔最近局部均值（LMNLM）特征提取算法65
4.2相关算法比较69
4.2.1稀疏子空间最小误差（LESS）算法70
4.2.2支持向量机（SVM）70
4.2.3大间隔近邻（LMNN）算法71
4.2.4局部距离准则（LDM）学习算法72
4.3相关算法对LMNLM的启发和LMNLM的创新点73
4.3.1启发工作73
4.3.2创新工作73
4.4实验结果73
4.4.1人工合成数据集74
4.4.2UCI公共数据集76
4.4.3雷达HRRP数据集81
4.4.4结果分析82
4.5本章小结83
参考文献83
第5章 组合判别分析85
5.1基于全局优化准则和局部优化准则的特征提取算法85
5.1.1全局特征提取算法86
5.1.2局部特征提取算法87
5.1.3两种特征提取算法的分析比较88
5.2融合全局优化准则和局部优化准则的组合判别分析（CDA）算法89
5.2.1算法设计89
5.2.2算法分析90
5.3UCI公共数据集实验结果90
5.4雷达HRRP数据集实验结果93
5.5本章小结94
参考文献94
第6章 广义重加权局部均值判别分析95
6.1LDA算法的应用缺陷95
6.1.1缺陷195
6.1.2缺陷296
6.1.3缺陷396
6.1.4缺陷497
6.2局部均值判别分析（LMDA）97
6.3广义重加权（GRW）学习框架101
6.3.1重加权（RW）方法102
6.3.2对RW方法的扩展103
6.4相关算法的比较105
6.5实验结果105
6.5.1人工合成数据集106
6.5.2UCI公共数据集110
6.5.3雷达HRRP数据集113
6.6本章小结115
参考文献115
第7章 未来发展趋势117
7.1趋势一：拒判算法研究117
7.2趋势二：在线学习问题研究117
7.3趋势三：不同信噪比条件下识别算法的移植问题研究118
7.4趋势四：流型学习研究118
7.5趋势五：非参数贝叶斯统计学习研究119
7.6趋势六：微多普勒调制特性研究119
7.7趋势七：其他问题研究119
参考文献120