雷达高分辨距离像目标识别的关键应用研究

内容简介

[

　　基于高分辨距离像的识别在雷达自动目标识别领域具有极其重要的地位，对其理论、方法和技术进行深入研究对国土防空安全的重要性是不言而喻的。《雷达高分辨距离像目标识别的关键应用研究》从工程应用的角度出发，分析了雷达高分辨距离像目标识别所面临的关键问题，介绍了处理这些问题时所涉及的关键理论、方法和技术，并对该领域的未来发展趋势进行了分析和展望。该书共分为7章，其中，第1章为绪论，第2章主要介绍在杂波背景下的鲁棒性识别和杂波抑制问题，第3章主要介绍库外目标拒判问题，第4～6章主要介绍特征提取问题，第7章对雷达自动目标识别技术的未来发展趋势进行分析和展望。　　该书的读者对象为从事雷达自动目标识别研究的科研人员和工程师，以及从事该领域教学及科研工作的高等院校师生。

]

作者简介

[

　　柴晶，博士，曾任中国航天科工集团8511研究所工程师，曾以访问学者身份在杜克大学和悉尼科技大学交流访问。现为太原理工大学教师，主要研究方向为模式识别、机器学习、雷达目标识别。主持国家自然科学基金项目《基于包间距离、直接以包为学习对象的多示例学习维数约减问题研究（61403273）》。在国际期刊和学术会议IEEE Transactions on Knowledgeand Data Engineering，Pattern Recognition，Information Sciences，signalProcessing，ACM International Conferenceon Information and Knowledge Management，IET Radar Conference等发表论文若干。

]

目录

第1章 绪论1．1 雷达自动目标识别综述1．1．1 雷达自动目标识别的基本概念1．1．2 雷达自动目标识别的划分方法1．1．3 雷达自动目标识别的意义、历史和现状1．2 雷达高分辨距离像目标识别研究的关键问题1．2．1 HRRP的方位敏感性问题1．2．2 HRRP的平移敏感性问题1．2．3 HRRP的幅度敏感性问题1．2．4 HRRP的杂波抑制问题1．2．5 HRRP的库外目标拒判问题1．2．6 HRRP的特征提取问题1．3 凸优化问题简介1．3．1 凸优化的定义1．3．2 凸优化的形式1．4 基于核函数的模式分析方法1．4．1 模式分析方法的发展历程1．4．2 核方法的基本概念1．4．3 核函数优化1．5 数据介绍和内容安排1．5．1 数据介绍1．5．2 内容安排参考文献第2章 宽带雷达自动目标识别的杂波抑制问题2．1 引言2．2 信号模型2．3 多普勒域直接滤波2．3．1 杂波抑制2．3．2 基于实测数据的仿真实验2．3．3 本节小结2．4 基于Keystone变换的宽带雷达自动目标识别杂波抑制2．4．1 多普勒域直接滤波2．4．2 频率-多普勒域信号的提取与杂波抑制2．4．3 基于实测数据的仿真实验2．4．4 本节小结2．5 基于Hough变换的宽带雷达自动目标识别杂波抑制2．5．1 Hough变换的原理2．5．2 利用Hough变换提取信号信息2．5．3 运动补偿后提取信号信息2．5．4 基于实测数据的仿真实验2．5．5 本节小结2．6 本章小结参考文献第3章 雷达高分辨距离像库外目标拒判问题研究3．1 库外目标样本生成3．2 拒判性能评估准则3．3 基于超球体边界的拒判算法3．3．1 支持向量域描述3．3．2 多核支持向量域描述3．3．3 本节小结3．4 基于近邻边界的拒判算法3．4．1 NN分类器3．4．2 A-KNN分类器3．4．3 W-KNN分类器3．4．4 本节小结3．5 实验结果3．5．1 基于AUC准则的实验结果3．5．2 基于LF准则的实验结果3．5．3 结果分析3．6 本章小结参考文献第4章 融合距离准则学习和分类器设计的特征提取算法4．1 算法设计4．1．1 欧氏距离准则测度下*近均值（NM）分类器的应用缺陷4．1．2 局部均值和*近局部均值（NLM）分类器4．1．3 大间隔*近局部均值（LMNLM）特征提取算法4．2 相关算法比较4．2．1 稀疏子空间*小误差（LESS）算法4．2．2 支持向量机（SVM）4．2．3 大间隔近邻（LMNN）算法4．2．4 局部距离准则（LDM）学习算法4．3 相关算法对LMNLM的启发和LMNLM的创新点4．3．1 启发工作4．3．2 创新工作4．4 实验结果4．4．1 人工合成数据集4．4．2 UCI公共数据集4．4．3 雷达HRRP数据集4．4．4 结果分析4．5 本章小结参考文献第5章 组合判别分析5．1 基于全局优化准则和局部优化准则的特征提取算法5．1．1 全局特征提取算法5．1．2 局部特征提取算法5．1．3 两种特征提取算法的分析比较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5．2．1 算法设计5．2．2 算法分析5．3 UCI公共数据集实验结果5．4 雷达HRRP数据集实验结果5．5 本章小结参考文献第6章 广义重加权局部均值判别分析6．1 LDA算法的应用缺陷6．1．1 缺陷16．1．2 缺陷26．1．3 缺陷36．1．4 缺陷46．2 局部均值判别分析（LMDA）6．3 广义重加权（GRW）学习框架6．3．1 重加权（RW）方法6．3．2 对RW方法的扩展6．4 相关算法的比较6．5 实验结果6．5．1 人工合成数据集6．5．2 UCI公共数据集6．5．3 雷达HRRP数据集6．6 本章小结参考文献第7章 未来发展趋势7．1 趋势一：拒判算法研究7．2 趋势二：在线学习问题研究7．3 趋势三：不同信噪比条件下识别算法的移植问题研究7．4 趋势四：流型学习研究7．5 趋势五：非参数贝叶斯统计学习研究7．6 趋势六：微多普勒调制特性研究7．7 趋势七：其他问题研究参考文献

封面

书名:雷达高分辨距离像目标识别的关键应用研究

作者:柴晶

页数:120

定价:¥49.0

出版社:科学出版社

出版日期:2018-03-01

ISBN:9787030565891

PDF电子书大小:81MB 高清扫描完整版