高分辨雷达智能信号处理技术【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

高分辨雷达智能信号处理技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 高分辨雷达及其信号处理研究的背景2

1.1.1 高分辨雷达2

1.1.2 高分辨雷达信号处理3

1.2 智能技术及雷达信号智能处理技术研究的背景4

1.2.1 神经网络技术5

1.2.2 雷达信号智能处理技术6

1.3 高分辨雷达信号智能处理系统方案7

第2章 高分辨雷达杂波及其特性分析9

2.1 常规雷达杂波特性9

2.2 高分辨雷达杂波特性13

2.3 高分辨雷达杂波统计特性分布16

2.4 评述17

3.1 一维像的数学模型19

3.1.1 ISAR成像的基本原理19

第3章 雷达目标一维像模型和计算机仿真19

3.1.2 一维像的数学模型21

3.2 一维像的特性分析23

3.2.1 一维纵向像的特性分析23

3.2.2 一维横向像的特性分析25

3.3 雷达目标一维距离像的计算机仿真26

3.3.1 坐标变换26

3.3.2 舰船目标后向散射回波模型28

3.4 评述32

第4章 高分辨雷达波形选择与性能分析33

4.1 步进频率高分辨雷达波形33

4.2 线性调频连续波高分辨雷达波形37

4.3 高分辨率波形的性能与误差分析39

4.3.1 步进频率信号39

4.3.2 线性调频连续波信号40

4.4 评述42

第5章 基于位置信息的高分辨雷达目标检测技术43

5.1 数据的校正与预处理44

5.1.1 数据的校正44

5.1.2 步进频率雷达实测数据的校正45

5.1.3 数据的预处理46

5.2 基于位置相关的高分辨雷达目标信号的检测47

5.2.1 问题的提出47

5.2.2 基于位置信息的距离段联合检测48

5.3 基于滑动窗的距离段联合检测器55

5.3.1 滑动窗与位置相关检测器55

5.3.2 基于多扫频周期的视频积累56

5.4 利用极化信息的进一步讨论57

5.5 评述60

第6章 基于神经网络的高分辨雷达目标检测技术61

6.1 简单的多层感知器检测器62

6.1.1 感知器神经检测器62

6.1.2 最佳感知器神经检测器63

6.2 目标航迹的神经网络检测64

6.2.1 基于单层感知器的最佳后验检测器64

6.2.2 性能分析66

6.2.3 多目标检测的推广67

6.3 基于径向基函数网络的杂波概率密度估计68

6.3.1 问题的提出68

6.3.2 径向基函数网络概率密度估计算法69

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71

6.4.1 超高分辨雷达下杂波混沌模型的描述72

6.4.2 用于杂波混沌过程重建的RBFN预测器73

6.4.3 遗传算法及其在RBFN训练中的应用74

6.4.4 使用遗传算法训练的RBFN的收敛特性77

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79

6.5 评述80

第7章 基于高分辨、极化特征的目标识别技术81

7.1 数据的预处理81

7.2.1 极化比和交叉极化比特征提取85

7.2 高分辨、极化特征提取85

7.2.2 基于瞬时Stokes矢量的特征提取87

7.2.3 基于散射点回波功率的特征提取92

7.3 基于目标极化散射功率分布的近邻分类94

7.3.1 高分辨、双极化雷达目标散射功率分布95

7.3.2 近邻法分类器96

7.3.3 分类实验结果97

7.4 评述98

第8章 前馈神经网络分类器与雷达目标一维像识别99

8.1 外监督学习前馈网络分类器100

8.1.1 模式分类的判决理论方法100

8.1.2 外监督学习前馈网络分类器及其映射特性101

8.2 雷达目标一维距离像的特征分析103

8.2.1 旋转目标的特征获取104

8.2.2 平移目标的特征获取104

8.3.1 径向基函数网络简介106

8.3 广义径向基函数神经网络106

8.3.2 广义径向基函数网络107

8.4 广义径向基函数网络的学习算法108

8.4.1 隐层至输出层连接权值的递归最小二乘学习算法108

8.4.2 核函数宽度参数的梯度下降学习算法110

8.4.3 实验结果111

8.5 径向基概率神经网络116

8.5.1 概率神经网络116

8.5.2 径向基概率神经网络116

8.6 评述117

第9章 基于时间神经网络的高分辨雷达目标一维距离像识别119

9.1 基于全极化HRR目标距离像的Prony参数提取119

9.1.1 多散射点的Prony模型描述120

9.1.2 多散射点的Prony参数估计121

9.2 隐马尔可夫模型124

9.2.1 马尔可夫模型的基本定义124

9.2.2 隐马尔可夫模型126

9.3 最大似然概率的前后向估计方法127

9.3.1 前向估计法128

9.3.2 后向估计法128

9.4 基于神经网络的HMM参数估计129

9.4.1 基于BP算法的HMM参数迭代129

9.4.2 HMM参数的Baum-Welch学习算法132

9.4.3 Viterbi算法134

9.5.1 前后向似然变量的比例运算136

9.5 参数估计值的计算机溢出问题136

9.5.2 HMM网络学习算法中迭代公式的修正137

9.6 基于HMM网络的高分辨雷达目标识别138

9.6.1 基于矢量量化的HMM状态和符号参数提取139

9.6.2 基于HMM网络的高分辨雷达目标识别140

9.7 评述142

第10章 高分辨雷达目标跟踪技术143

10.1 高分辨雷达目标距离信息的提取143

10.1.2 机动目标距离信息的提取144

10.1.1 非机动目标距离信息的提取144

10.2 高分辨雷达目标多普勒信息的提取145

10.2.1 单个正弦信号频率的MLE原理145

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147

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148

10.3 高分辨雷达目标角误差信息的提取149

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149

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151

10.4 评述151

附录152

附录A 极化信息处理基础152

附录B 第6章中有关定理或结论的证明154

附录C 第9章中有关定理或结论的证明155

附录D 第10章中公式(10-10)的推导157

主要名词汉英对照表159

参考文献167