雷达主瓣有源干扰智能感知方法研究

目录

声明

第一章 绪论

1.1 研究背景与意义

1.2 雷达主瓣有源干扰感知的国内外研究现状

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 本文的结构安排

第二章 雷达主瓣有源干扰特性分析及特征提取

2.1 引言

2.2 雷达主瓣有源压制干扰特性分析

2.2.1 干扰类型建模

2.2.2 基于时频域分析的雷达有源压制干扰特征提取

2.3 雷达主瓣有源欺骗干扰特性分析

2.3.1 干扰类型建模

2.3.2 基于短时傅里叶变换分析的雷达有源欺骗干扰特征提取

2.4 本章小结

第三章 雷达主瓣有源压制干扰智能感知算法研究

3.1 引言

3.2 基于径向基函数神经网络的雷达有源压制干扰智能感知算法

3.2.1 理论基础与算法流程

3.2.2 隐含层神经元个数对 RBF神经网络感知性能的影响

3.2.3 径向基函数分布密度对 RBF神经网络感知性能的影响

3.2.4 基于 RBF神经网络的雷达有源压制干扰智能感知算法实验分析

3.3 基于后向传播网络的雷达有源压制干扰智能感知

3.3.1 理论基础与算法流程

3.3.2 隐含层神经元个数对 BP神经网络感知性能的影响

3.3.3 网络深度对 BP神经网络感知性能的影响

3.3.4 基于 BP神经网络的雷达有源压制干扰智能感知算法实验分析

3.4 雷达有源压制干扰的感知算法性能比较

3.5 本章小结

第四章 雷达主瓣有源欺骗干扰智能感知算法研究

4.1 引言

4.2 基于深度信念网络的雷达有源欺骗干扰智能感知算法

4.2.1 理论基础与算法流程

4.2.2 隐含层神经元个数对 DBN感知性能的影响

4.2.3 网络深度对 DBN感知性能的影响

4.2.4 基于 DBN的雷达有源欺骗干扰智能感知算法实验分析

4.3 基于卷积神经网络的雷达有源欺骗干扰智能感知

4.3.1 理论基础与算法

4.3.2 卷积核大小对 CNN感知性能的影响

4.3.3 卷积核个数对 CNN感知性能的影响

4.3.4 网络深度对 CNN感知性能的影响

4.3.5 基于 CNN的雷达有源欺骗干扰智能感知算法实验分析

4.4 雷达有源欺骗干扰的感知算法性能比较

4.5 本章小结

第五章 总结与展望

5.1 全文总结

5.2 展望

致谢

参考文献

攻读研究生学位期间获得的学术成果