高分辨雷達(dá)智能信號(hào)處理技術(shù)

定　價(jià)：￥22.00

作　者：	黃德雙著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	雷達(dá)

ISBN：	9787111087168	出版時(shí)間：	2001-01-01	包裝：
開(kāi)本：	26cm	頁(yè)數(shù)：	171頁(yè)	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書研究的主要內(nèi)容是關(guān)于高分辨雷達(dá)下目標(biāo)信號(hào)的智能（神經(jīng)網(wǎng)絡(luò)）處理技術(shù)，主要包括雷達(dá)目標(biāo)檢測(cè)技術(shù)、識(shí)別技術(shù)和跟蹤技術(shù)等。本書概念闡述清楚、內(nèi)容較為豐富、系統(tǒng)性強(qiáng)。全書共包括10章，分別介紹了高分辨雷達(dá)下雜波的特性和統(tǒng)計(jì)分布；分析了高分辨雷達(dá)波形獲取方法、一維像的成像原理；重點(diǎn)研究了高分辨雷達(dá)目標(biāo)信號(hào)的傳統(tǒng)技術(shù)的與神經(jīng)網(wǎng)絡(luò)技術(shù)的檢測(cè)、識(shí)別和跟蹤技術(shù)。其中，大部分內(nèi)容是作者近年來(lái)在該領(lǐng)域的最新成果。本書可作為從事電子工程、人工智能、雷達(dá)系統(tǒng)、自動(dòng)控制、信息處理、計(jì)算機(jī)和所有涉及機(jī)器智能和模式分析領(lǐng)域的專業(yè)技術(shù)人員、高年級(jí)本科生和研究生的參考書。

作者簡(jiǎn)介

暫缺《高分辨雷達(dá)智能信號(hào)處理技術(shù)》作者簡(jiǎn)介

圖書目錄

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(wèn)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(wèn)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(guò)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(wèn)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)