高分辨雷達(dá)智能信號(hào)處理技術(shù)

前    言                  
 常用物理量及符號(hào)表                  
 第1章  緒    論                  
 1. 1  高分辨雷達(dá)及其信號(hào)處理研究的背景                  
 1. 1. 1  高分辨雷達(dá)                  
 1. 1. 2  高分辨雷達(dá)信號(hào)處理                  
 1. 2  智能技術(shù)及雷達(dá)信號(hào)智能處理技術(shù)研究的背景                  
 1. 2. 1  神經(jīng)網(wǎng)絡(luò)技術(shù)                  
 1. 2. 2  雷達(dá)信號(hào)智能處理技術(shù)                  
 1. 3  高分辨雷達(dá)信號(hào)智能處理系統(tǒng)方案                  
 第2章  高分辨雷達(dá)雜波及其特性分析                  
 2. 1  常規(guī)雷達(dá)雜波特性                  
 2. 2  高分辨雷達(dá)雜波特性                  
 2. 3  高分辨雷達(dá)雜波統(tǒng)計(jì)特性分布                  
 2. 4  評(píng)  述                  
 第3章  雷達(dá)目標(biāo)一維像模型和計(jì)算機(jī)仿真                  
 3. 1  一維像的數(shù)學(xué)模型                  
 3. 1. 1  ISAR成像的基本原理                  
 3. 1. 2  一維像的數(shù)學(xué)模型                  
 3. 2  一維像的特性分析                  
 3. 2. 1  一維縱向像的特性分析                  
 3. 2. 2  一維橫向像的特性分析                  
 3. 3  雷達(dá)目標(biāo)一維距離像的計(jì)算機(jī)仿真                  
 3. 3. 1  坐標(biāo)變換                  
 3. 3. 2  艦船目標(biāo)后向散射回波模型                  
 3. 4  評(píng)  述                  
 第4章  高分辨雷達(dá)波形選擇與性能分析                  
 4. 1  步進(jìn)頻率高分辨雷達(dá)波形                  
 4. 2  線性調(diào)頻連續(xù)波高分辨雷達(dá)波形                  
 4. 3  高分辨率波形的性能與誤差分析                  
 4. 3. 1  步進(jìn)頻率信號(hào)                  
 4. 3. 2  線性調(diào)頻連續(xù)波信號(hào)                  
 4. 4  評(píng)  述                  
 第5章  基于位置信息的高分辨雷達(dá)目標(biāo)檢測(cè)技術(shù)                  
 5. 1  數(shù)據(jù)的校正與預(yù)處理                  
 5. 1. 1  數(shù)據(jù)的校正                  
 5. 1. 2  步進(jìn)頻率雷達(dá)實(shí)測(cè)數(shù)據(jù)的校正                  
 5. 1. 3  數(shù)據(jù)的預(yù)處理                  
 5. 2  基于位置相關(guān)的高分辨雷達(dá)目標(biāo)信號(hào)的檢測(cè)                  
 5. 2. 1  問題的提出                  
 5. 2. 2  基于位置信息的距離段聯(lián)合檢測(cè)                  
 5. 3  基于滑動(dòng)窗的距離段聯(lián)合檢測(cè)器                  
 5. 3. 1  滑動(dòng)窗與位置相關(guān)檢測(cè)器                  
 5. 3. 2  基于多掃頻周期的視頻積累                  
 5. 4  利用極化信息的進(jìn)一步討論                  
 5. 5  評(píng)  述                  
 第6章  基子神經(jīng)網(wǎng)絡(luò)的高分辨雷達(dá)目標(biāo)檢測(cè)技術(shù)                  
 6. 1  簡(jiǎn)單的多層感知器檢測(cè)器                  
 6. 1. 1  感知器神經(jīng)檢測(cè)器                  
 6. 1. 2  最佳感知器神經(jīng)檢測(cè)器                  
 6. 2  目標(biāo)航跡的神經(jīng)網(wǎng)絡(luò)檢測(cè)                  
 6. 2. 1  基于單層感知器的最佳后驗(yàn)檢測(cè)器                  
 6. 2. 2  性能分析                  
 6. 2. 3  多目標(biāo)檢測(cè)的推廣                  
 6. 3  基于徑向基函數(shù)網(wǎng)絡(luò)的雜波概率密度估計(jì)                  
 6. 3. 1  問題的提出                  
 6. 3. 2  徑向基函數(shù)網(wǎng)絡(luò)概率密度估計(jì)算法                  
 6. 4  遺傳優(yōu)化的徑向基函數(shù)網(wǎng)絡(luò)用于超高分辨雷達(dá)信號(hào)的檢測(cè)                  
 6. 4. 1  超高分辨雷達(dá)下雜波混沌模型的描述                  
 6. 4. 2  用于雜波混沌過程重建的RBFN預(yù)測(cè)器                  
 6. 4. 3  遺傳算法及其在RBFN訓(xùn)練中的應(yīng)用                  
 6. 4. 4  使用遺傳算法訓(xùn)練的RBFN的收斂特性                  
 6. 4. 5  遺傳優(yōu)化的徑向基函數(shù)網(wǎng)絡(luò)用于超高分辨雷達(dá)信號(hào)的檢測(cè)                  
 6. 5  評(píng)  述                  
 第7章  基于高分辨. 極化特征的目標(biāo)識(shí)別技術(shù)                  
 7. 1  數(shù)據(jù)的預(yù)處理                  
 7. 2  高分辨. 極化特征提取                  
 7. 2. 1  極化比和交叉極化比特征提取                  
 7. 2. 2  基于瞬時(shí)Stokes矢量的特征提取                  
 7. 2. 3  基于散射點(diǎn)回波功率的特征提取                  
 7. 3  基于目標(biāo)極化散射功率分布的近鄰分類                  
 7. 3. 1  高分辨. 雙極化雷達(dá)目標(biāo)散射功率分布                  
 7. 3. 2  近鄰法分類器                  
 7. 3. 3  分類實(shí)驗(yàn)結(jié)果                  
 7. 4  評(píng)  述                  
 第8章  前饋神經(jīng)網(wǎng)絡(luò)分類器與雷達(dá)目標(biāo)一維像識(shí)冊(cè)                  
 8. 1  外監(jiān)督學(xué)習(xí)前饋網(wǎng)絡(luò)分類器                  
 8. 1. 1  模式分類的判決理論方法                  
 8. 1. 2  外監(jiān)督學(xué)習(xí)前饋網(wǎng)絡(luò)分類器及其映射特性                  
 8. 2  雷達(dá)目標(biāo)一維距離像的特征分析                  
 8. 2. 1  旋轉(zhuǎn)目標(biāo)的特征獲取                  
 8. 2. 2  平移目標(biāo)的特征獲取                  
 8. 3  廣義徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)                  
 8. 3. 1  徑向基函數(shù)網(wǎng)絡(luò)簡(jiǎn)介                  
 8. 3. 2  廣義徑向基函數(shù)網(wǎng)絡(luò)                  
 8. 4  廣義徑向基函數(shù)網(wǎng)絡(luò)的學(xué)習(xí)算法                  
 8. 4. 1  隱層至輸出層連接權(quán)值的遞歸最小二乘學(xué)習(xí)算法                  
 8. 4. 2  核函數(shù)寬度參數(shù)的梯度下降學(xué)習(xí)算法                  
 8. 4. 3  實(shí)驗(yàn)結(jié)果                  
 8. 5  徑向基概率神經(jīng)網(wǎng)絡(luò)                  
 8. 5. 1  概率神經(jīng)網(wǎng)絡(luò)                  
 8. 5. 2  徑向基概率神經(jīng)網(wǎng)絡(luò)                  
 8. 6  評(píng)  述                  
 第9章  基子時(shí)間神經(jīng)網(wǎng)絡(luò)的高分辨雷達(dá)目標(biāo)一維距離像識(shí)別                  
 9. 1  基于全極化HRR目標(biāo)距離像的Prony參數(shù)提取                  
 9. 1. 1  多散射點(diǎn)的Prony模型描述                  
 9. 1. 2  多散射點(diǎn)的noor參數(shù)估計(jì)                  
 9. 2  隱馬爾可夫模型                  
 9. 2. 1  馬爾可夫模型的基本定義                  
 9. 2. 2  隱馬爾可夫模型                  
 9. 3  最大似然概率的前后向估計(jì)方法                  
 9. 3. 1  前向估計(jì)法                  
 9. 3. 2  后向估計(jì)法                  
 9. 4  基于神經(jīng)網(wǎng)絡(luò)的HMM參數(shù)估計(jì)                  
 9. 4. 1  基于BP算法的HMM參數(shù)迭代                  
 9. 4. 2  HMM參數(shù)的Baum-Welch學(xué)習(xí)算法                  
 9. 4. 3  Viterbi算法                  
 9. 5  參數(shù)估計(jì)值的計(jì)算機(jī)溢出問題                  
 9. 5. 1  前后向似然變量的比例運(yùn)算                  
 9. 5. 2  HMM網(wǎng)絡(luò)學(xué)習(xí)算法中迭代公式的修正                  
 9. 6  基于HMM網(wǎng)絡(luò)的高分辨雷達(dá)目標(biāo)識(shí)別                  
 9. 6. 1  基于矢量量化的HMM狀態(tài)和符號(hào)參數(shù)提取                  
 9. 6. 2  基于HMM網(wǎng)絡(luò)的高分辨雷達(dá)目標(biāo)識(shí)別                  
 9. 7  評(píng)  述                  
 第10章  高分辨雷達(dá)目標(biāo)跟蹤技術(shù)                  
 10. 1  高分辨雷達(dá)目標(biāo)距離信息的提取                  
 10. 1. 1  非機(jī)動(dòng)目標(biāo)距離信息的提取                  
 10. 1. 2  機(jī)動(dòng)目標(biāo)距離信息的提取                  
 10. 2  高分辨雷達(dá)目標(biāo)多普勒信息的提取                  
 10. 2. 1  單個(gè)正弦信號(hào)頻率的MLE原理                  
 10. 2. 2  步進(jìn)頻率高分辨雷達(dá)對(duì)應(yīng)的目標(biāo)多普勒信息的提取                  
 10. 2. 3  線性調(diào)頻連續(xù)波高分辨雷達(dá)對(duì)應(yīng)的目標(biāo)多普勒信息的提取                  
 10. 3  高分辨雷達(dá)目標(biāo)角誤差信息的提取                  
 10. 3. 1  基于平均散射點(diǎn)中心的高分辨雷達(dá)目標(biāo)角誤差信息提取方法                  
 10. 3. 2  基于多散射點(diǎn)中心平均的高分辨雷達(dá)目標(biāo)角誤差信息提取方法                  
 10. 4  評(píng)  述                  
 附錄                  
 附錄A  極化信息處理基礎(chǔ)                  
 附錄B  第6章中有關(guān)定理或結(jié)論的證明                  
 附錄C  第9章中有關(guān)定理或結(jié)論的證明                  
 附錄D  第10章中公式(10-10)的推導(dǎo)                  
 主要名詞漢英對(duì)照表                  
 參考文獻(xiàn)