☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

内容简介

　　基于高分辨距离像的识别在雷达自动目标识别领域具有极其重要的地位，对其理论、方法和技术进行深入研究对国土防空安全的重要性是不言而喻的。《雷达高分辨距离像目标识别的关键应用研究》从工程应用的角度出发，分析了雷达高分辨距离像目标识别所面临的关键问题，介绍了处理这些问题时所涉及的关键理论、方法和技术，并对该领域的未来发展趋势进行了分析和展望。该书共分为7章，其中，第1章为绪论，第2章主要介绍在杂波背景下的鲁棒性识别和杂波抑制问题，第3章主要介绍库外目标拒判问题，第4～6章主要介绍特征提取问题，第7章对雷达自动目标识别技术的未来发展趋势进行分析和展望。
　　该书的读者对象为从事雷达自动目标识别研究的科研人员和工程师，以及从事该领域教学及科研工作的高等院校师生。

作者简介

　　柴晶，博士，曾任中国航天科工集团8511研究所工程师，曾以访问学者身份在杜克大学和悉尼科技大学交流访问。现为太原理工大学教师，主要研究方向为模式识别、机器学习、雷达目标识别。主持国家自然科学基金项目《基于包间距离、直接以包为学习对象的多示例学习维数约减问题研究（61403273）》。在国际期刊和学术会议IEEE Transactions on Knowledgeand Data Engineering，Pattern Recognition，Information Sciences，signalProcessing，ACM International Conferenceon Information and Knowledge Management，IET Radar Conference等发表论文若干。

内页插图

目录

第1章 绪论
1．1 雷达自动目标识别综述
1．1．1 雷达自动目标识别的基本概念
1．1．2 雷达自动目标识别的划分方法
1．1．3 雷达自动目标识别的意义、历史和现状
1．2 雷达高分辨距离像目标识别研究的关键问题
1．2．1 HRRP的方位敏感性问题
1．2．2 HRRP的平移敏感性问题
1．2．3 HRRP的幅度敏感性问题
1．2．4 HRRP的杂波抑制问题
1．2．5 HRRP的库外目标拒判问题
1．2．6 HRRP的特征提取问题
1．3 凸优化问题简介
1．3．1 凸优化的定义
1．3．2 凸优化的形式
1．4 基于核函数的模式分析方法
1．4．1 模式分析方法的发展历程
1．4．2 核方法的基本概念
1．4．3 核函数优化
1．5 数据介绍和内容安排
1．5．1 数据介绍
1．5．2 内容安排
参考文献

第2章 宽带雷达自动目标识别的杂波抑制问题
2．1 引言
2．2 信号模型
2．3 多普勒域直接滤波
2．3．1 杂波抑制
2．3．2 基于实测数据的仿真实验
2．3．3 本节小结
2．4 基于Keystone变换的宽带雷达自动目标识别杂波抑制
2．4．1 多普勒域直接滤波
2．4．2 频率-多普勒域信号的提取与杂波抑制
2．4．3 基于实测数据的仿真实验
2．4．4 本节小结
2．5 基于Hough变换的宽带雷达自动目标识别杂波抑制
2．5．1 Hough变换的原理
2．5．2 利用Hough变换提取信号信息
2．5．3 运动补偿后提取信号信息
2．5．4 基于实测数据的仿真实验
2．5．5 本节小结
2．6 本章小结
参考文献

第3章 雷达高分辨距离像库外目标拒判问题研究
3．1 库外目标样本生成
3．2 拒判性能评估准则
3．3 基于超球体边界的拒判算法
3．3．1 支持向量域描述
3．3．2 多核支持向量域描述
3．3．3 本节小结
3．4 基于近邻边界的拒判算法
3．4．1 NN分类器
3．4．2 A-KNN分类器
3．4．3 W-KNN分类器
3．4．4 本节小结
3．5 实验结果
3．5．1 基于AUC准则的实验结果
3．5．2 基于LF准则的实验结果
3．5．3 结果分析
3．6 本章小结
参考文献

第4章 融合距离准则学习和分类器设计的特征提取算法
4．1 算法设计
4．1．1 欧氏距离准则测度下最近均值（NM）分类器的应用缺陷
4．1．2 局部均值和最近局部均值（NLM）分类器
4．1．3 大间隔最近局部均值（LMNLM）特征提取算法
4．2 相关算法比较
4．2．1 稀疏子空间最小误差（LESS）算法
4．2．2 支持向量机（SVM）
4．2．3 大间隔近邻（LMNN）算法
4．2．4 局部距离准则（LDM）学习算法
4．3 相关算法对LMNLM的启发和LMNLM的创新点
4．3．1 启发工作
4．3．2 创新工作
4．4 实验结果
4．4．1 人工合成数据集
4．4．2 UCI公共数据集
4．4．3 雷达HRRP数据集
4．4．4 结果分析
4．5 本章小结
参考文献

第5章 组合判别分析
5．1 基于全局优化准则和局部优化准则的特征提取算法
5．1．1 全局特征提取算法
5．1．2 局部特征提取算法
5．1．3 两种特征提取算法的分析比较
5．2 融合全局优化准则和局部优化准则的组合判别分析（CDA）算法
5．2．1 算法设计
5．2．2 算法分析
5．3 UCI公共数据集实验结果
5．4 雷达HRRP数据集实验结果
5．5 本章小结
参考文献

第6章 广义重加权局部均值判别分析
6．1 LDA算法的应用缺陷
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 局部均值判别分析（LMDA）
6．3 广义重加权（GRW）学习框架
6．3．1 重加权（RW）方法
6．3．2 对RW方法的扩展
6．4 相关算法的比较
6．5 实验结果
6．5．1 人工合成数据集
6．5．2 UCI公共数据集
6．5．3 雷达HRRP数据集
6．6 本章小结
参考文献

第7章 未来发展趋势
7．1 趋势一：拒判算法研究
7．2 趋势二：在线学习问题研究
7．3 趋势三：不同信噪比条件下识别算法的移植问题研究
7．4 趋势四：流型学习研究
7．5 趋势五：非参数贝叶斯统计学习研究
7．6 趋势六：微多普勒调制特性研究
7．7 趋势七：其他问题研究
参考文献

前言/序言

　　雷达高分辨距离像是散射点子回波在雷达视线方向上投影的向量和，它能够反映散射点目标在雷达视线方向上的几何结构信息，且相对于合成孔径雷达（SAR）图像和逆合成孔径雷达（ISAR）图像而言，具有易于获取和存储量小等优点，因而在雷达自动目标识别领域受到了广泛关注。
　　本书主要结合雷达高分辨距离像识别的工程应用背景，从杂波背景下的鲁棒性识别、库外目标拒判和特征提取3个方面介绍雷达自动目标识别的相关理论和技术的研究进展。具体内容如下：
　　第1章介绍雷达高分辨距离像的物理特性，分析基于高分辨距离像的雷达自动目标识别面临的关键问题，以及如何应对这些关键问题。
　　第2章讨论雷达高分辨距离像在杂波背景下如何保持鲁棒性识别性能的问题，主要介绍如何进行杂波抑制。
　　第3章针对库外目标拒判问题，介绍一种人工生成库外目标训练样本的方法，并分析和比较基于超球体边界和近邻边界的拒判算法的优缺点。
　　第4章介绍一种基于大间隔分类准则的最近局部均值（LMNLM）算法。该算法通过一个线性变换，将原始欧式距离空间投影到马氏距离空间，并在投影后的最近局部均值（NLM）分类器的设计中引入分类间隔，从而提升了NLM分类器的分类精度。
　　第5章从鲁棒性和灵活性两个角度对全局特征提取算法和局部特征提取算法进行对比分析，发现全局算法具有较强的鲁棒性和较弱的灵活性，而局部算法则与之相反，其鲁棒性较弱而灵活性较强。在此基础上，采用组合判别分析（CDA）来折中考虑鲁棒性和灵活性，并将其应用到雷达高分辨距离像目标识别领域中。
　　第6章分析线性判别分析（LDA）的4个缺陷，并介绍一种新的特征提取算法-一局部均值判别分析（LMDA），来弥补前3个缺陷给识别带来的不利影响，以及一个广义重加权（GRW）学习框架来弥补第4个缺陷给识别带来的不利影响。LMDA算法和GRW学习框架的结合可以大大提高数据的可分性，基于人工数据、公用数据及雷达数据的实验结果充分表明它们在提高分类精度方面的有效性。
　　第7章分析和展望雷达自动目标识别技术的未来发展趋势，主要从拒判算法研究、在线学习问题研究、不同信噪比条件下识别算法的移植问题研究、流型学习研究、非参数贝叶斯统计学习研究、微多普勒调制特性研究等方面对其未来发展趋势进行分析和展望。
　　在本书成稿过程中，陈泽华、陈宏涛、李伟、刘帆、张仕给予了大力协助，在此表示衷心感谢。
　　在撰写本书的过程中参考了一些相关方法和技术文献，也引用了一些相关的论文和著作观点，在此对有关作者表示感谢。
　　感谢国家自然科学基金（No.61403273）对本书出版的资助。
　　雷达自动目标识别技术的发展非常迅速，新的理论、方法和技术如雨后春笋般层出不穷。由于作者知识水平所限，书中的纰漏和欠妥之处在所难免，恳请广大读者批评指正。
雷达高分辨距离像目标识别的关键应用研究 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

类似图书 点击查看全场最低价