雷達高分辨距離像目標識彆的關鍵應用研究 epub pdf mobi txt 電子書 下載 2024

雷達高分辨距離像目標識彆的關鍵應用研究 epub pdf mobi txt 電子書 下載 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

雷達高分辨距離像目標識彆的關鍵應用研究 epub pdf mobi txt 電子書 下載 2024

类似图書 點擊查看全場最低價

---

內容簡介

　　基於高分辨距離像的識彆在雷達自動目標識彆領域具有極其重要的地位，對其理論、方法和技術進行深入研究對國土防空安全的重要性是不言而喻的。《雷達高分辨距離像目標識彆的關鍵應用研究》從工程應用的角度齣發，分析瞭雷達高分辨距離像目標識彆所麵臨的關鍵問題，介紹瞭處理這些問題時所涉及的關鍵理論、方法和技術，並對該領域的未來發展趨勢進行瞭分析和展望。該書共分為7章，其中，第1章為緒論，第2章主要介紹在雜波背景下的魯棒性識彆和雜波抑製問題，第3章主要介紹庫外目標拒判問題，第4～6章主要介紹特徵提取問題，第7章對雷達自動目標識彆技術的未來發展趨勢進行分析和展望。
　　該書的讀者對象為從事雷達自動目標識彆研究的科研人員和工程師，以及從事該領域教學及科研工作的高等院校師生。

作者簡介

　　柴晶，博士，曾任中國航天科工集團8511研究所工程師，曾以訪問學者身份在杜剋大學和悉尼科技大學交流訪問。現為太原理工大學教師，主要研究方嚮為模式識彆、機器學習、雷達目標識彆。主持國傢自然科學基金項目《基於包間距離、直接以包為學習對象的多示例學習維數約減問題研究（61403273）》。在國際期刊和學術會議IEEE Transactions on Knowledgeand Data Engineering，Pattern Recognition，Information Sciences，signalProcessing，ACM International Conferenceon Information and Knowledge Management，IET Radar Conference等發錶論文若乾。

內頁插圖

目錄

第1章 緒論
1．1 雷達自動目標識彆綜述
1．1．1 雷達自動目標識彆的基本概念
1．1．2 雷達自動目標識彆的劃分方法
1．1．3 雷達自動目標識彆的意義、曆史和現狀
1．2 雷達高分辨距離像目標識彆研究的關鍵問題
1．2．1 HRRP的方位敏感性問題
1．2．2 HRRP的平移敏感性問題
1．2．3 HRRP的幅度敏感性問題
1．2．4 HRRP的雜波抑製問題
1．2．5 HRRP的庫外目標拒判問題
1．2．6 HRRP的特徵提取問題
1．3 凸優化問題簡介
1．3．1 凸優化的定義
1．3．2 凸優化的形式
1．4 基於核函數的模式分析方法
1．4．1 模式分析方法的發展曆程
1．4．2 核方法的基本概念
1．4．3 核函數優化
1．5 數據介紹和內容安排
1．5．1 數據介紹
1．5．2 內容安排
參考文獻

第2章 寬帶雷達自動目標識彆的雜波抑製問題
2．1 引言
2．2 信號模型
2．3 多普勒域直接濾波
2．3．1 雜波抑製
2．3．2 基於實測數據的仿真實驗
2．3．3 本節小結
2．4 基於Keystone變換的寬帶雷達自動目標識彆雜波抑製
2．4．1 多普勒域直接濾波
2．4．2 頻率-多普勒域信號的提取與雜波抑製
2．4．3 基於實測數據的仿真實驗
2．4．4 本節小結
2．5 基於Hough變換的寬帶雷達自動目標識彆雜波抑製
2．5．1 Hough變換的原理
2．5．2 利用Hough變換提取信號信息
2．5．3 運動補償後提取信號信息
2．5．4 基於實測數據的仿真實驗
2．5．5 本節小結
2．6 本章小結
參考文獻

第3章 雷達高分辨距離像庫外目標拒判問題研究
3．1 庫外目標樣本生成
3．2 拒判性能評估準則
3．3 基於超球體邊界的拒判算法
3．3．1 支持嚮量域描述
3．3．2 多核支持嚮量域描述
3．3．3 本節小結
3．4 基於近鄰邊界的拒判算法
3．4．1 NN分類器
3．4．2 A-KNN分類器
3．4．3 W-KNN分類器
3．4．4 本節小結
3．5 實驗結果
3．5．1 基於AUC準則的實驗結果
3．5．2 基於LF準則的實驗結果
3．5．3 結果分析
3．6 本章小結
參考文獻

第4章 融閤距離準則學習和分類器設計的特徵提取算法
4．1 算法設計
4．1．1 歐氏距離準則測度下最近均值（NM）分類器的應用缺陷
4．1．2 局部均值和最近局部均值（NLM）分類器
4．1．3 大間隔最近局部均值（LMNLM）特徵提取算法
4．2 相關算法比較
4．2．1 稀疏子空間最小誤差（LESS）算法
4．2．2 支持嚮量機（SVM）
4．2．3 大間隔近鄰（LMNN）算法
4．2．4 局部距離準則（LDM）學習算法
4．3 相關算法對LMNLM的啓發和LMNLM的創新點
4．3．1 啓發工作
4．3．2 創新工作
4．4 實驗結果
4．4．1 人工閤成數據集
4．4．2 UCI公共數據集
4．4．3 雷達HRRP數據集
4．4．4 結果分析
4．5 本章小結
參考文獻

第5章 組閤判彆分析
5．1 基於全局優化準則和局部優化準則的特徵提取算法
5．1．1 全局特徵提取算法
5．1．2 局部特徵提取算法
5．1．3 兩種特徵提取算法的分析比較
5．2 融閤全局優化準則和局部優化準則的組閤判彆分析（CDA）算法
5．2．1 算法設計
5．2．2 算法分析
5．3 UCI公共數據集實驗結果
5．4 雷達HRRP數據集實驗結果
5．5 本章小結
參考文獻

第6章 廣義重加權局部均值判彆分析
6．1 LDA算法的應用缺陷
6．1．1 缺陷1
6．1．2 缺陷2
6．1．3 缺陷3
6．1．4 缺陷4
6．2 局部均值判彆分析（LMDA）
6．3 廣義重加權（GRW）學習框架
6．3．1 重加權（RW）方法
6．3．2 對RW方法的擴展
6．4 相關算法的比較
6．5 實驗結果
6．5．1 人工閤成數據集
6．5．2 UCI公共數據集
6．5．3 雷達HRRP數據集
6．6 本章小結
參考文獻

第7章 未來發展趨勢
7．1 趨勢一：拒判算法研究
7．2 趨勢二：在綫學習問題研究
7．3 趨勢三：不同信噪比條件下識彆算法的移植問題研究
7．4 趨勢四：流型學習研究
7．5 趨勢五：非參數貝葉斯統計學習研究
7．6 趨勢六：微多普勒調製特性研究
7．7 趨勢七：其他問題研究
參考文獻

前言/序言

　　雷達高分辨距離像是散射點子迴波在雷達視綫方嚮上投影的嚮量和，它能夠反映散射點目標在雷達視綫方嚮上的幾何結構信息，且相對於閤成孔徑雷達（SAR）圖像和逆閤成孔徑雷達（ISAR）圖像而言，具有易於獲取和存儲量小等優點，因而在雷達自動目標識彆領域受到瞭廣泛關注。
　　本書主要結閤雷達高分辨距離像識彆的工程應用背景，從雜波背景下的魯棒性識彆、庫外目標拒判和特徵提取3個方麵介紹雷達自動目標識彆的相關理論和技術的研究進展。具體內容如下：
　　第1章介紹雷達高分辨距離像的物理特性，分析基於高分辨距離像的雷達自動目標識彆麵臨的關鍵問題，以及如何應對這些關鍵問題。
　　第2章討論雷達高分辨距離像在雜波背景下如何保持魯棒性識彆性能的問題，主要介紹如何進行雜波抑製。
　　第3章針對庫外目標拒判問題，介紹一種人工生成庫外目標訓練樣本的方法，並分析和比較基於超球體邊界和近鄰邊界的拒判算法的優缺點。
　　第4章介紹一種基於大間隔分類準則的最近局部均值（LMNLM）算法。該算法通過一個綫性變換，將原始歐式距離空間投影到馬氏距離空間，並在投影後的最近局部均值（NLM）分類器的設計中引入分類間隔，從而提升瞭NLM分類器的分類精度。
　　第5章從魯棒性和靈活性兩個角度對全局特徵提取算法和局部特徵提取算法進行對比分析，發現全局算法具有較強的魯棒性和較弱的靈活性，而局部算法則與之相反，其魯棒性較弱而靈活性較強。在此基礎上，采用組閤判彆分析（CDA）來摺中考慮魯棒性和靈活性，並將其應用到雷達高分辨距離像目標識彆領域中。
　　第6章分析綫性判彆分析（LDA）的4個缺陷，並介紹一種新的特徵提取算法-一局部均值判彆分析（LMDA），來彌補前3個缺陷給識彆帶來的不利影響，以及一個廣義重加權（GRW）學習框架來彌補第4個缺陷給識彆帶來的不利影響。LMDA算法和GRW學習框架的結閤可以大大提高數據的可分性，基於人工數據、公用數據及雷達數據的實驗結果充分錶明它們在提高分類精度方麵的有效性。
　　第7章分析和展望雷達自動目標識彆技術的未來發展趨勢，主要從拒判算法研究、在綫學習問題研究、不同信噪比條件下識彆算法的移植問題研究、流型學習研究、非參數貝葉斯統計學習研究、微多普勒調製特性研究等方麵對其未來發展趨勢進行分析和展望。
　　在本書成稿過程中，陳澤華、陳宏濤、李偉、劉帆、張仕給予瞭大力協助，在此錶示衷心感謝。
　　在撰寫本書的過程中參考瞭一些相關方法和技術文獻，也引用瞭一些相關的論文和著作觀點，在此對有關作者錶示感謝。
　　感謝國傢自然科學基金（No.61403273）對本書齣版的資助。
　　雷達自動目標識彆技術的發展非常迅速，新的理論、方法和技術如雨後春筍般層齣不窮。由於作者知識水平所限，書中的紕漏和欠妥之處在所難免，懇請廣大讀者批評指正。

雷達高分辨距離像目標識彆的關鍵應用研究 epub pdf mobi txt 電子書 下載 2024

雷達高分辨距離像目標識彆的關鍵應用研究 下載 epub mobi pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

类似图書 點擊查看全場最低價