彈道目標(biāo)微動特征提取與智能識別技術(shù)

第 1 章 緒論
1.1 彈道導(dǎo)彈概述
1.2 反導(dǎo)雷達系統(tǒng)概述
1.3 中段彈道目標(biāo)及其微多普勒效應(yīng)
1.3.1 中段彈道目標(biāo)運動特性
1.3.2 彈道目標(biāo)微多普勒效應(yīng)與分析
參考文獻
第 2 章 彈道目標(biāo)模型構(gòu)建與分析
2.1 幾何模型與分析
2.1.1 典型彈道目標(biāo)結(jié)構(gòu)
2.1.2 基于散射中心理論的幾何建模
2.2 軌道運動模型與分析
2.2.1 軌道運動建模
2.2.2 軌道運動特性分析
2.3 微動模型與分析
2.3.1 微動建模
2.3.2 微動特性分析
參考文獻
第 3 章 彈道目標(biāo)平動補償
3.1 整體信息法
3.1.1 復(fù)合運動下的 HRRP 模型
3.1.2 整體信息法
3.1.3 實驗結(jié)果及分析
3.2 “雙階段” 補償法
3.2.1 平動對微多普勒的調(diào)制作用
3.2.2 預(yù)訓(xùn)練的 DNN
3.2.3 回歸網(wǎng)絡(luò)構(gòu)建
3.2.4 實驗結(jié)果及分析
3.3 圖像空間變換法
3.3.1 STN 工作機理分析
3.3.2 基于 STN 的平動補償網(wǎng)絡(luò)構(gòu)建
3.3.3 實驗結(jié)果及分析
3.4 高階模糊函數(shù)法
3.4.1 高階矩與高階模糊函數(shù)
3.4.2 基于高階模糊函數(shù)的平動補償
3.4.3 實驗結(jié)果及分析
參考文獻
第 4 章 彈道目標(biāo)微動特征提取
4.1 基于 NMF 的錐形目標(biāo)微多普勒提取
4.1.1 微動模型分析與 NMF 基本理論
4.1.2 基于約束 NMF 的時頻圖分離
4.1.3 微多普勒提取方法
4.1.4 實驗結(jié)果及分析
4.2 基于三維雷達立方體的群目標(biāo)特征提取
4.2.1 基于壓縮感知的空間群目標(biāo) RD 序列生成
4.2.2 雷達數(shù)據(jù)立方體的建立
4.2.3 三維分段 Viterbi 算法
4.2.4 實驗結(jié)果及分析
4.3 遮擋條件下的彈道目標(biāo)微動特征修復(fù)
4.3.1 基于壓縮感知的錐形目標(biāo)微動特征修復(fù)
4.3.2 基于矩陣填充的多散射中心目標(biāo)微動特征修復(fù)
4.3.3 實驗結(jié)果及分析
參考文獻
第 5 章 彈道目標(biāo)參數(shù)估計
5.1 基于 LRCN 的彈道目標(biāo)回波 SNR 估計
5.1.1 信號模型
5.1.2 SNR 估計網(wǎng)絡(luò)設(shè)計
5.1.3 SNR 估計 CRLB 分析
5.1.4 實驗結(jié)果及分析
5.2 基于遞歸圖的微動周期估計
5.2.1 錐柱形目標(biāo)微動模型分析
5.2.2 RP 生成與微動周期估計
5.2.3 實驗結(jié)果及分析
5.3 基于三維雷達數(shù)據(jù)立方體的進動目標(biāo)微動參數(shù)與結(jié)構(gòu)參數(shù)估計
5.3.1 基于二進制掩碼的強散射中心關(guān)聯(lián)
5.3.2 基于三維特征曲線的參數(shù)估計
5.3.3 實驗結(jié)果及分析
5.4 組網(wǎng)雷達條件下有翼彈道目標(biāo)微動參數(shù)估計與三維成像
5.4.1 有翼彈道目標(biāo)微多普勒信息提取
5.4.2 微動信息獲取
5.4.3 目標(biāo)進動參數(shù)和結(jié)構(gòu)參數(shù)解算
5.4.4 有翼彈道目標(biāo)三維重構(gòu)
5.4.5 實驗結(jié)果及分析
參考文獻
第 6 章 基于窄帶特征的彈道目標(biāo)智能識別
6.1 基于 RCS 序列時頻變換的彈道目標(biāo)識別
6.1.1 典型目標(biāo)的 RCS 特性
6.1.2 RCS 序列統(tǒng)計特征
6.1.3 RCS 信息的圖像特征及組合特征識別
6.1.4 實驗結(jié)果及分析
6.2 基于 RCS 序列編碼的彈道目標(biāo)識別
6.2.1 問題分析
6.2.2 特征編碼
6.2.3 多尺度 CNN
6.2.4 實驗結(jié)果及分析
6.3 基于時頻圖的彈道目標(biāo)識別
6.3.1 典型卷積神經(jīng)網(wǎng)絡(luò)
6.3.2 自搭建網(wǎng)絡(luò)模型
6.3.3 實驗結(jié)果及分析
6.4 基于 CVD 和時頻圖的彈道目標(biāo)識別
6.4.1 特征圖像表示
6.4.2 識別網(wǎng)絡(luò)框架
6.4.3 實驗結(jié)果及分析
參考文獻
第 7 章 基于寬帶特征的彈道目標(biāo)智能識別
7.1 基于 HRRPs 的錐形彈道目標(biāo)微動樣式識別
7.1.1 HRRPs 自動去噪方法
7.1.2 基于 SqueezeNet 的距離像分類網(wǎng)絡(luò)
7.1.3 實驗結(jié)果及分析
7.2 基于 HRRPs 的進動彈道目標(biāo)結(jié)構(gòu)識別
7.2.1 目標(biāo)散射特性分析
7.2.2 基于 HOG 特征和 SVM 的圖像識別
7.2.3 基于貝葉斯優(yōu)化的 CNN 設(shè)計
7.2.4 實驗結(jié)果及分析
7.3 基于 RD 域的彈道目標(biāo)多網(wǎng)絡(luò)識別
7.3.1 RD 域的多種數(shù)據(jù)表示方式
7.3.2 識別框架
7.3.3 實驗結(jié)果及分析
7.4 基于四維雷達數(shù)據(jù)的彈道目標(biāo)識別
7.4.1 距離 - 頻率 - 時間 - 能量四維雷達數(shù)據(jù)立方體生成
7.4.2 基于注意力機制的網(wǎng)絡(luò)構(gòu)造
7.4.3 實驗結(jié)果及分析
參考文獻
第 8 章 總結(jié)與展望
8.1 總結(jié)
8.2 展望
編輯
分享