声明
第1章 绪 论
1.1 研究背景与意义
1.2 研究现状
1.3 本文主要内容
第2章 ISAR成像算法及神经网络原理
2.1 引言
2.2 ISAR原理及算法
2.2.1 ISAR与SAR的对比
2.2.2 一维距离像
2.2.3 ISAR数据收集过程
2.2.4 ISAR成像几何模型
2.2.5 RD算法设计流程
2.3 仿真结果与分析
2.4 CNN简介
2.4.1 卷积层
2.4.2 池化层
2.4.3 激活函数
2.5 本章小结
第3章 基于深度学习的ISAR成像
3.1 引言
3.2 u-net网络的设计与改进
3.2.1 基础u-net网络介绍
3.2.2 基于u-net网络的改进和调整
3.3 训练数据的产生
3.4 优化器和损失函数
3.4.1 最优化方法
3.4.2 损失函数
3.5 无噪声条件下仿真实验
3.5.1 算法实现流程
3.5.2 测试结果
3.6 针对有噪声条件下的成像
3.6.1 有噪声条件下的目标回波分析
3.6.2 训练数据
3.6.3 测试结果
3.7 回波缺失情况下ISAR成像仿真实验
3.7.1 仿真流程
3.7.2 测试结果
3.8 本章小结
第4章 基于深度学习的机动目标ISAR成像
4.1 引言
4.2 运动补偿原理和方法
4.2.1 目标运动产生的多普勒效应分析
4.2.2 最小熵算法
4.2.3 获取训练数据
4.3 仿真实验
4.3.1 实现流程与参数设置
4.3.2 实验结果分析
4.4 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
燕山大学;