高分辨雷达智能信号处理技术

前    言                  
 常用物理量及符号表                  
 第1章  绪    论                  
 1. 1  高分辨雷达及其信号处理研究的背景                  
 1. 1. 1  高分辨雷达                  
 1. 1. 2  高分辨雷达信号处理                  
 1. 2  智能技术及雷达信号智能处理技术研究的背景                  
 1. 2. 1  神经网络技术                  
 1. 2. 2  雷达信号智能处理技术                  
 1. 3  高分辨雷达信号智能处理系统方案                  
 第2章  高分辨雷达杂波及其特性分析                  
 2. 1  常规雷达杂波特性                  
 2. 2  高分辨雷达杂波特性                  
 2. 3  高分辨雷达杂波统计特性分布                  
 2. 4  评  述                  
 第3章  雷达目标一维像模型和计算机仿真                  
 3. 1  一维像的数学模型                  
 3. 1. 1  ISAR成像的基本原理                  
 3. 1. 2  一维像的数学模型                  
 3. 2  一维像的特性分析                  
 3. 2. 1  一维纵向像的特性分析                  
 3. 2. 2  一维横向像的特性分析                  
 3. 3  雷达目标一维距离像的计算机仿真                  
 3. 3. 1  坐标变换                  
 3. 3. 2  舰船目标后向散射回波模型                  
 3. 4  评  述                  
 第4章  高分辨雷达波形选择与性能分析                  
 4. 1  步进频率高分辨雷达波形                  
 4. 2  线性调频连续波高分辨雷达波形                  
 4. 3  高分辨率波形的性能与误差分析                  
 4. 3. 1  步进频率信号                  
 4. 3. 2  线性调频连续波信号                  
 4. 4  评  述                  
 第5章  基于位置信息的高分辨雷达目标检测技术                  
 5. 1  数据的校正与预处理                  
 5. 1. 1  数据的校正                  
 5. 1. 2  步进频率雷达实测数据的校正                  
 5. 1. 3  数据的预处理                  
 5. 2  基于位置相关的高分辨雷达目标信号的检测                  
 5. 2. 1  问题的提出                  
 5. 2. 2  基于位置信息的距离段联合检测                  
 5. 3  基于滑动窗的距离段联合检测器                  
 5. 3. 1  滑动窗与位置相关检测器                  
 5. 3. 2  基于多扫频周期的视频积累                  
 5. 4  利用极化信息的进一步讨论                  
 5. 5  评  述                  
 第6章  基子神经网络的高分辨雷达目标检测技术                  
 6. 1  简单的多层感知器检测器                  
 6. 1. 1  感知器神经检测器                  
 6. 1. 2  最佳感知器神经检测器                  
 6. 2  目标航迹的神经网络检测                  
 6. 2. 1  基于单层感知器的最佳后验检测器                  
 6. 2. 2  性能分析                  
 6. 2. 3  多目标检测的推广                  
 6. 3  基于径向基函数网络的杂波概率密度估计                  
 6. 3. 1  问题的提出                  
 6. 3. 2  径向基函数网络概率密度估计算法                  
 6. 4  遗传优化的径向基函数网络用于超高分辨雷达信号的检测                  
 6. 4. 1  超高分辨雷达下杂波混沌模型的描述                  
 6. 4. 2  用于杂波混沌过程重建的RBFN预测器                  
 6. 4. 3  遗传算法及其在RBFN训练中的应用                  
 6. 4. 4  使用遗传算法训练的RBFN的收敛特性                  
 6. 4. 5  遗传优化的径向基函数网络用于超高分辨雷达信号的检测                  
 6. 5  评  述                  
 第7章  基于高分辨. 极化特征的目标识别技术                  
 7. 1  数据的预处理                  
 7. 2  高分辨. 极化特征提取                  
 7. 2. 1  极化比和交叉极化比特征提取                  
 7. 2. 2  基于瞬时Stokes矢量的特征提取                  
 7. 2. 3  基于散射点回波功率的特征提取                  
 7. 3  基于目标极化散射功率分布的近邻分类                  
 7. 3. 1  高分辨. 双极化雷达目标散射功率分布                  
 7. 3. 2  近邻法分类器                  
 7. 3. 3  分类实验结果                  
 7. 4  评  述                  
 第8章  前馈神经网络分类器与雷达目标一维像识册                  
 8. 1  外监督学习前馈网络分类器                  
 8. 1. 1  模式分类的判决理论方法                  
 8. 1. 2  外监督学习前馈网络分类器及其映射特性                  
 8. 2  雷达目标一维距离像的特征分析                  
 8. 2. 1  旋转目标的特征获取                  
 8. 2. 2  平移目标的特征获取                  
 8. 3  广义径向基函数神经网络                  
 8. 3. 1  径向基函数网络简介                  
 8. 3. 2  广义径向基函数网络                  
 8. 4  广义径向基函数网络的学习算法                  
 8. 4. 1  隐层至输出层连接权值的递归最小二乘学习算法                  
 8. 4. 2  核函数宽度参数的梯度下降学习算法                  
 8. 4. 3  实验结果                  
 8. 5  径向基概率神经网络                  
 8. 5. 1  概率神经网络                  
 8. 5. 2  径向基概率神经网络                  
 8. 6  评  述                  
 第9章  基子时间神经网络的高分辨雷达目标一维距离像识别                  
 9. 1  基于全极化HRR目标距离像的Prony参数提取                  
 9. 1. 1  多散射点的Prony模型描述                  
 9. 1. 2  多散射点的noor参数估计                  
 9. 2  隐马尔可夫模型                  
 9. 2. 1  马尔可夫模型的基本定义                  
 9. 2. 2  隐马尔可夫模型                  
 9. 3  最大似然概率的前后向估计方法                  
 9. 3. 1  前向估计法                  
 9. 3. 2  后向估计法                  
 9. 4  基于神经网络的HMM参数估计                  
 9. 4. 1  基于BP算法的HMM参数迭代                  
 9. 4. 2  HMM参数的Baum-Welch学习算法                  
 9. 4. 3  Viterbi算法                  
 9. 5  参数估计值的计算机溢出问题                  
 9. 5. 1  前后向似然变量的比例运算                  
 9. 5. 2  HMM网络学习算法中迭代公式的修正                  
 9. 6  基于HMM网络的高分辨雷达目标识别                  
 9. 6. 1  基于矢量量化的HMM状态和符号参数提取                  
 9. 6. 2  基于HMM网络的高分辨雷达目标识别                  
 9. 7  评  述                  
 第10章  高分辨雷达目标跟踪技术                  
 10. 1  高分辨雷达目标距离信息的提取                  
 10. 1. 1  非机动目标距离信息的提取                  
 10. 1. 2  机动目标距离信息的提取                  
 10. 2  高分辨雷达目标多普勒信息的提取                  
 10. 2. 1  单个正弦信号频率的MLE原理                  
 10. 2. 2  步进频率高分辨雷达对应的目标多普勒信息的提取                  
 10. 2. 3  线性调频连续波高分辨雷达对应的目标多普勒信息的提取                  
 10. 3  高分辨雷达目标角误差信息的提取                  
 10. 3. 1  基于平均散射点中心的高分辨雷达目标角误差信息提取方法                  
 10. 3. 2  基于多散射点中心平均的高分辨雷达目标角误差信息提取方法                  
 10. 4  评  述                  
 附录                  
 附录A  极化信息处理基础                  
 附录B  第6章中有关定理或结论的证明                  
 附录C  第9章中有关定理或结论的证明                  
 附录D  第10章中公式(10-10)的推导                  
 主要名词汉英对照表                  
 参考文献