內容大鋼
自動目標識別（Automatic Target Recognition, ATR）是一個和信號與信息處理、模式識別、人工智慧等學科密切相關的工程技術領域。由於識別對象固有的不確定性，識別環境的複雜性，以及日益加劇的識別對抗性，使得ATR的發展一直面臨著從理論到技術，再到應用的系統性挑戰。本書從工程視角出發分析與描述了ATR的內涵與特徵，梳理了ATR的核心技術體系，並從目標特性與特徵、ATR體系結構與系統實現方法、動態任務規劃、多源融合目標識別、ATR系統的學習與演進、目標識別測試評估體系等方面闡述了相關技術；本書最後評述了ATR技術的未來發展與挑戰。本書內容盡可能結合工程應用背景，以期對該領域的工程實踐具有較好的參考性。
本書不僅適用於目標識別領域的初學者閱讀，也可作為從事目標識別工作的科研人員及高校學生的主要參考書籍使用。
目錄
第1章 緒論
1.1 ATR的定義與內涵
1.1.1 ATR的定義
1.1.2 認知ATR的視角
1.2 ATR發展回顧
1.2.1 經典模式識別方法
1.2.2 深度學習方法
1.2.3 ATR試驗驗證技術
1.3 ATR核心技術體系
1.3.1 目標特性與特徵
1.3.2 目標識別體系結構與系統實現方法
1.3.3 目標識別動態任務規劃
1.3.4 融合識別與不確定性決策
1.3.5 ATR系統的在線學習與演進
1.3.6 識別系統測試評估
參考文獻
第2章 目標特性與特徵
2.1 目標的特性與特徵
2.1.1 目標特性
2.1.2 目標特徵
2.2 目標數據信息量與可識別性
2.2.1 目標數據的信息量
2.2.2 目標可識別性分析
2.3 目標動態特徵表徵
2.3.1 目標動態特徵的三態表徵
2.3.2 三態特徵提取
2.4 典型感測器目標特徵
2.4.1 窄帶/寬頻雷達目標特徵
2.4.2 SAR圖像目標特徵
2.4.3 可見光圖像目標特徵
2.4.4 紅外圖像目標特徵
2.4.5 聲納目標特徵
參考文獻
第3章 ATR體系結構與系統實現方法
3.1 基於OODA環的ATR任務描述
3.1.1 基於OODA環的ATR任務流描述
3.1.2 ATR典型任務模式
3.2 ATR技術體系結構
3.2.1 集中式ATR系統體系結構
3.2.2 雲-邊-端一體化ATR系統架構
3.3 ATR系統實現模式與方法
3.3.1 迭代演進實現模式
3.3.2 開放生態實現模式
參考文獻
第4章 動態任務規劃
4.1 任務、資源的定義和模型化
4.2 雷達目標搜索跟蹤與識別任務規劃
4.2.1 基於任務綜合優先順序的時間佔用規劃調度
4.2.2 基於多目標約束進化優化的規劃調度
4.2.3 基於雙向拍賣機制的動態任務規劃調度
4.3 光電目標搜索跟蹤與識別任務規劃
4.3.1 漸進式搜索跟蹤與識別任務模型
4.3.2 光電目標搜索跟蹤識別的規劃調度案例分析
4.4 多感測器協同目標跟蹤與識別任務規劃
4.4.1 空-海-岸一體化海上應急救援任務模型
4.4.2 多感測器協同任務規劃
4.4.3 岸空多源感測器協同搜索跟蹤規劃案例
參考文獻
第5章 多源融合目標識別
5.1 信息融合基本概念與框架
5.1.1 信息融合的基本概念
5.1.2 多源融合的系統框架
5.2 多源數據配准與關聯
5.2.1 多源數據配准
5.2.2 多源數據關聯
5.3 目標融合跟蹤
5.3.1 單平台多感測器目標融合跟蹤
5.3.2 分散式多感測器目標融合跟蹤
5.4 融合識別的不確定性決策
5.4.1 問題建模
5.4.2 D-S證據組合與推理
5.4.3 模糊融合識別
5.4.4 神經網路融合識別
參考文獻
第6章 ATR系統的學習與演進
6.1 ATR系統的學習問題
6.1.1 目標識別的學習需求
6.1.2 持續學習的災難性遺忘問題
6.1.3 對抗環境中的樣本稀缺問題
6.2 ATR系統的在線增量學習
6.2.1 基於正則化的增量學習
6.2.2 基於記憶回放的增量學習
6.2.3 基於參數隔離的增量學習
6.2.4 課程學習
6.2.5 跨域遷移學習
6.3 ATR系統的小樣本學習
6.3.1 小樣本目標檢測概念與計算框架
6.3.2 基於模型微調的方法
6.3.3 基於條件輸入的方法
6.4 ATR系統的自監督學習
6.4.1 對比學習
6.4.2 基於聚類的自監督學習
6.4.3 知識自蒸餾學習
6.5 ATR系統的演進架構
6.5.1 ATR系統自演進架構
6.5.2 虛實混合數據驅動迭代演進
6.5.3 迭代自組織特徵映射（RSOM）網路
參考文獻
第7章 目標識別測試評估
7.1 ATR系統測試評估體系
7.1.1 ATR系統測試評估需求
[