幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

雷達目標檢測非線性理論及應用(精)/海洋信息技術叢書

  • 作者：劉寧波//關鍵//黃勇//丁昊|責編:趙旭
  • 出版社：人民郵電
  • ISBN：9787115634245
  • 出版日期：2024/08/01
  • 裝幀：精裝
  • 頁數：632
人民幣：RMB 359.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    物質世界中，無論是宇觀、宏觀還是微觀，是由一定層次結構和功能的非線性系統構成的，即自然界和現實生活中幾乎所有系統是非線性的。事實上，正是由於非線性的存在和作用，才孕育出大自然的五彩繽紛、萬千氣象、風雲變幻。雷達作為對客觀環境的一種觀測手段，其電磁散射回波也蘊含了觀察對象的非線性變化特性。嚴格來講，實際應用中絕大多數複雜問題具有非線性本質或呈現出非線性現象，僅在一定的條件下，其才可被理想化或簡化為線性問題。本書立足於非線性理論與方法研究進展，重點闡述非線性相關理論在雷達信號處理領域的發展和新運用，其中包括對海雷達信號處理領域的研究成果進展。本書是一本既有深刻的理論背景，又有較強應用性的非線性理論與雷達信號處理學科相結合的專著。
    本書可供從事雷達工程、信息工程、電子對抗等行業的科技人員閱讀和參考，還可作為上述專業的研究生參考書，同時也可供從事激光、機器人、遙感、遙測等行業的工程技術人員參考。
作者介紹
劉寧波//關鍵//黃勇//丁昊|責編:趙旭
目錄
第1章  緒論
  1.1  經典雷達目標檢測方法
  1.2  混沌理論在雷達目標檢測中的應用
  1.3  自相似（分形）理論在雷達目標檢測中的應用
  1.4  非線性回歸理論在雷達目標檢測中的應用
  1.5  深度學習方法在雷達目標檢測中的應用
  參考文獻
第2章  非線性理論
  2.1  自相似（分形）理論
    2.1.1  數學基礎
    2.1.2  自相似與自仿射
    2.1.3  標度不變性
    2.1.4  Hausdorff測度與維數
    2.1.5  盒維數
  2.2  非線性回歸理論
    2.2.1  ARCH模型及性質
    2.2.2  ARCH模型參數估計
    2.2.3  GARCH模型及性質
    2.2.4  GARCH模型參數估計
  2.3  深度學習方法
    2.3.1  卷積神經網路
    2.3.2  殘差神經網路
    2.3.3  長短期記憶網路
  參考文獻
第3章  雷達目標檢測理論基礎
  3.1  引言
  3.2  固定門限檢測
    3.2.1  檢測過程
    3.2.2  奈曼 皮爾遜準則
    3.2.3  雷達信號的門限檢測
  3.3  CFAR檢測
    3.3.1  基本模型
    3.3.2  CA-CFAR檢測器
    3.3.3  非參量CFAR檢測器
    3.3.4  自適應CFAR檢測器
  3.4  特徵檢測
  參考文獻
第4章  時域海雜波均勻自相似（分形）特性與目標檢測
  4.1  海雜波序列自相似特性及影響因素
    4.1.1  分形海面的電磁散射信號特性
    4.1.2  自相似判定與無標度區間
    4.1.3  分形參數估計與分析
    4.1.4  分形參數的影響因素
  4.2  利用單一Hurst指數的目標檢測方法
  4.3  基於分形相關係數的目標檢測方法
  4.4  基於DFA分段自相似特徵的目標檢測方法
    4.4.1  檢驗統計量的選取
    4.4.2  檢測方法原理
    4.4.3  檢測性能分析
  4.5  海雜波的模糊自相似特性與目標檢測

    4.5.1  海雜波的模糊自相似分析
    4.5.2  基於LGF的海雜波中微弱目標檢測
  4.6  基於擴展自相似特徵的目標檢測方法
    4.6.1  擴展自相似特徵
    4.6.2  基於Bayes分類的目標檢測方法
    4.6.3  實驗結果分析
  4.7  基於組合非線性特徵的模糊目標檢測方法
    4.7.1  分形模型擬合誤差與分形維數尺度變化量
    4.7.2  組合分形參量下的模糊檢測與性能分析
  4.8  基於高階非線性特徵的目標檢測方法
    4.8.1  縫隙的概念與計算方法
    4.8.2  海雜波與目標信號的縫隙特徵
    4.8.3  基於累積縫隙值尺度變化率的目標檢測方法
  參考文獻
第5章  時域海雜波非均勻自相似（分形）特性與目標檢測
  5.1  多重自相似的基本理論
    5.1.1  多重自相似的基本概念
    5.1.2  多重自相似的描述參數
  5.2  無標度區間的自動確定
    5.2.1  相空間重構
    5.2.2  無標度區間自動選取
    5.2.3  實測數據驗證與分析
  5.3  海雜波的多重自相似性判定
    5.3.1  海雜波的幅度分佈與時間相關特性
    5.3.2  海雜波的隨機乘法模型
    5.3.3  多重自相似判定
    5.3.4  基於結構函數的多重自相似分析
  5.4  海雜波的多重自相似特徵與分析
    5.4.1  廣義分形維數
    5.4.2  多重分形譜
  5.5  基於多重分形譜和BP神經網路的檢測方法
  5.6  雷達掃描模式下分形維數及多重自相似特徵
    5.6.1  掃描模式海雜波的分形維數
    5.6.2  掃描模式海雜波的局部廣義分形維數與局部多重分形譜
    5.6.3  雷達掃描模式下目標的模糊檢測方法和性能分析
  5.7  多重自相似關聯特性分析與目標檢測方法
    5.7.1  多重自相似關聯理論基礎與參數估計
    5.7.2  多重自相似關聯特性分析
    5.7.3  海雜波中微弱目標的多重自相似關聯檢測方法
    5.7.4  海雜波中微弱目標的多重自相似關聯檢測性能分析
  5.8  基於自仿射預測的目標檢測方法
    5.8.1  分形自仿射理論基礎與表示
    5.8.2  分形自仿射信號的預測
    5.8.3  基於分形自仿射的預測結果
    5.8.4  基於預測誤差的目標檢測方法與性能分析
  參考文獻
第6章  頻域海雜波自相似（分形）特性與目標檢測
  6.1  分數布朗運動在頻域中的自相似性
  6.2  基於頻域均勻自相似特徵的目標檢測方法
    6.2.1  海雜波頻譜的單一自相似特性

    6.2.2  海雜波頻譜單一自相似參數的影響因素
    6.2.3  目標檢測與性能分析
  6.3  基於頻域擴展自相似特徵的目標檢測方法
    6.3.1  海雜波頻譜的擴展自相似特性
    6.3.2  海雜波頻譜擴展自相似參數的影響因素
    6.3.3  目標檢測與性能分析
  6.4  基於頻域多重自相似特徵的目標檢測方法
    6.4.1  多重分形去趨勢波動分析方法
    6.4.2  海雜波頻譜的多重自相似特性與參數估計
    6.4.3  海雜波頻譜廣義Hurst指數的影響因素
    6.4.4  目標檢測與性能分析
  6.5  基於短時譜自相似特徵的目標檢測方法
    6.5.1  海雜波短時譜的自相似性證明
    6.5.2  海雜波短時譜的自相似特性分析
    6.5.3  短時譜分形差異特徵提取與目標檢測
  6.6  基於AR譜自相似特徵的目標檢測方法
    6.6.1  海雜波AR譜多重自相似特性
    6.6.2  AR譜廣義Hurst指數檢測方法
    6.6.3  目標檢測與性能分析
  參考文獻
第7章  分數階域海雜波自相似（分形）特性與目標檢測
  7.1  分數布朗運動在FRFT域的自相似性
  7.2  FRFT域海雜波的單一自相似特性與目標檢測
    7.2.1  實測海雜波數據
    7.2.2  海雜波FRFT譜的單一自相似特性
    7.2.3  目標檢測與性能分析
  7.3  FRFT域海雜波的擴展自相似特性與目標檢測
    7.3.1  海雜波FRFT譜的擴展自相似特性
    7.3.2  海雜波FRFT譜擴展自相似參數的影響因素
    7.3.3  目標檢測與性能分析
  7.4  FRFT域海雜波的多重自相似特性與目標檢測
    7.4.1  海雜波FRFT譜的多重自相似特性與參數估計
    7.4.2  海雜波FRFT譜廣義Hurst指數的影響因素
    7.4.3  目標檢測與性能分析
  參考文獻
第8章  Hilbert-Huang變換域海雜波自相似（分形）特性與目標檢測
  8.1  Hilbert-Huang變換簡介
  8.2  Hilbert-Huang變換原理
  8.3  海雜波的Hilbert-Huang變換域特性分析
    8.3.1  海雜波IMF數目分析
    8.3.2  海雜波IMF特性分析
    8.3.3  海雜波Hilbert譜和Hilbert邊際譜特性分析
    8.3.4  海雜波Hilbert譜脊線特性分析
  8.4  基於IMF AR模型的海雜波 Hilbert-Huang變換域建模
  8.5  基於IMF特性的海雜波中微弱目標檢測方法
    8.5.1  固有模態能量熵定義
    8.5.2  目標對海雜波固有模態能量熵的影響
    8.5.3  極化方式對海雜波固有模態能量熵的影響
    8.5.4  檢測方法原理
    8.5.5  檢測性能分析

  8.6  基於Hilbert譜及其邊際譜特性的海雜波中微弱目標檢測方法
    8.6.1  Hilbert譜時頻熵定義
    8.6.2  海雜波Hilbert譜時頻熵分析
    8.6.3  檢測方法原理
    8.6.4  檢測性能分析
    8.6.5  S波段雷達實測數據驗證
  8.7  基於EMD和盒維數的微弱目標檢測方法
    8.7.1  海雜波低頻成分自相似特性判定
    8.7.2  海雜波低頻成分的盒維數分析
    8.7.3  檢測方法原理
    8.7.4  檢測性能分析
    8.7.5  S波段雷達實測數據驗證
  8.8  基於Hilbert譜脊線盒維數的微弱目標檢測方法
    8.8.1  海雜波Hilbert譜脊線自相似特性判定
    8.8.2  海雜波Hilbert譜脊線盒維數分析
    8.8.3  檢測方法原理
    8.8.4  檢測性能分析
    8.8.5  S波段雷達實測數據驗證
  8.9  基於固有模態函數頻域熵的目標檢測方法
    8.9.1  固有模態函數頻域熵定義
    8.9.2  檢測方法流程
    8.9.3  多種情況對IMF分量頻域能量百分比的影響
    8.9.4  固有模態函數頻域熵的目標檢測演算法及檢測性能
  8.10  基於海雜波低頻成分重構的目標檢測方法
    8.10.1  靜止目標對海雜波低頻IMF分量的影響
    8.10.2  檢測方法流程
    8.10.3  海雜波低頻IMF分量的自相似特性
    8.10.4  目標檢測與性能分析
  8.11  基於分形特性改進的EMD目標檢測方法
    8.11.1  EMD在目標檢測中存在的問題
    8.11.2  頻域單一自相似的理論基礎
    8.11.3  檢測方法流程
    8.11.4  重構后的單一自相似特性
    8.11.5  目標檢測與性能分析
  參考文獻
第9章  基於非線性回歸理論的目標檢測
  9.1  GARCH海雜波模型下的恆虛警率檢測方法
    9.1.1  GARCH模型及參數估計
    9.1.2  GARCH海雜波中的目標檢測方法
    9.1.3  參數估計與目標檢測方法模擬性能分析
    9.1.4  海雜波模型與檢測方法的實測數據驗證
  9.2  基於FB-VSLMS演算法的目標檢測方法
    9.2.1  FB-VSLMS演算法與目標檢測模型
    9.2.2  實測海雜波驗證與分析
  參考文獻
第10章  基於深度學習的海雜波場景分類與目標檢測
  10.1  基於CNN的探測場景分類方法
    10.1.1  深度學習網路結構（LeNet）
    10.1.2  雜噪背景分類與目標檢測
    10.1.3  準確率的影響因素分析

  10.2  基於ResNet的目標檢測方法
    10.2.1  深度學習網路模型選取
    10.2.2  對海探測海雜波背景分類——海況等級劃分與浪高反演
    10.2.3  海雜波中的目標檢測
    10.2.4  準確率的影響因素分析
  10.3  基於CNN的運動狀態分類方法
    10.3.1  海面微動目標信號建模與CNN模型構建
    10.3.2  基於CNN的海上微動目標檢測和分類
    10.3.3  模擬結果及分析
  參考文獻
第11章  非線性理論在其他信號處理領域中的應用
  11.1  非線性理論在圖像處理中的應用
    11.1.1  分形與小波結合在圖像處理中的應用
    11.1.2  分形在圖像壓縮中的應用
  11.2  非線性理論在語音信號處理中的應用
  11.3  非線性理論在水聲信號處理中的應用
  11.4  非線性理論在機械檢測與監測中的應用
  參考文獻
附錄A
附錄B
附錄C
附錄D

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032