幫助中心 | 我的帳號 | 關於我們

彈道目標微動特徵提取與智能識別技術(精)

  • 作者:馮存前//許旭光//韓立珣//王義哲|責編:崔雲
  • 出版社:國防工業
  • ISBN:9787118135985
  • 出版日期:2025/02/01
  • 裝幀:精裝
  • 頁數:264
人民幣:RMB 128 元      售價:
放入購物車
加入收藏夾

內容大鋼
    微多普勒是中段彈道目標的重要特徵,基於微多普勒的彈道目標特性反演能夠精確刻畫目標的姿態、結構和運動等特徵並實現目標的準確識別,已成為當前雷達領域的熱點研究內容之一。本書主要針對微多普勒特徵分析理論與技術在彈道目標特徵提取與識別領域的應用問題展開研究,全書共8章,內容包括彈道目標模型構建與分析、彈道目標平動補償、彈道目標微動特徵提取、彈道目標參數估計、基於窄帶特徵的彈道目標智能識別和基於寬頻特徵的彈道目標智能識別等。
    本書可供開展雷達目標微多普勒效應相關課程教學和科學研究的高校本科生、研究生以及老師使用,對於研究開發雷達目標特徵提取與識別系統的科研人員、工程師以及其他人員也有一定的借鑒和參考價值。

作者介紹
馮存前//許旭光//韓立珣//王義哲|責編:崔雲

目錄
第1章  緒論
  1.1  彈道導彈概述
  1.2  反導雷達系統概述
  1.3  中段彈道目標及其微多普勒效應
    1.3.1  中段彈道目標運動特性
    1.3.2  彈道目標微多普勒效應與分析
  參考文獻
第2章  彈道目標模型構建與分析
  2.1  幾何模型與分析
    2.1.1  典型彈道目標結構
    2.1.2  基於散射中心理論的幾何建模
  2.2  軌道運動模型與分析
    2.2.1  軌道運動建模
    2.2.2  軌道運動特性分析
  2.3  微動模型與分析
    2.3.1  微動建模
    2.3.2  微動特性分析
  參考文獻
第3章  彈道目標平動補償
  3.1  整體信息法
    3.1.1  複合運動下的HRRP模型
    3.1.2  整體信息法
    3.1.3  實驗結果及分析
  3.2  「雙階段」補償法
    3.2.1  平動對微多普勒的調製作用
    3.2.2  預訓練的DNN
    3.2.3  回歸網路構建
    3.2.4  實驗結果及分析
  3.3  圖像空間變換法
    3.3.1  STN工作機理分析
    3.3.2  基於STN的平動補償網路構建
    3.3.3  實驗結果及分析
  3.4  高階模糊函數法
    3.4.1  高階矩與高階模糊函數
    3.4.2  基於高階模糊函數的平動補償
    3.4.3  實驗結果及分析
  參考文獻
第4章  彈道目標微動特徵提取
  4.1  基於NMF的錐形目標微多普勒提取
    4.1.1  微動模型分析與NMF基本理論
    4.1.2  基於約束NMF的時頻圖分離
    4.1.3  微多普勒提取方法
    4.1.4  實驗結果及分析
  4.2  基於三維雷達立方體的群目標特徵提取
    4.2.1  基於壓縮感知的空間群目標RD序列生成
    4.2.2  雷達數據立方體的建立
    4.2.3  三維分段Viterbi演算法
    4.2.4  實驗結果及分析
  4.3  遮擋條件下的彈道目標微動特徵修復
    4.3.1  基於壓縮感知的錐形目標微動特徵修復

    4.3.2  基於矩陣填充的多散射中心目標微動特徵修復
    4.3.3  實驗結果及分析
  參考文獻
第5章  彈道目標參數估計
  5.1  基於LRCN的彈道目標回波SNR估計
    5.1.1  信號模型
    5.1.2  SNR估計網路設計
    5.1.3  SNR估計CRLB分析
    5.1.4  實驗結果及分析
  5.2  基於遞歸圖的微動周期估計
    5.2.1  錐柱形目標微動模型分析
    5.2.2  RP生成與微動周期估計
    5.2.3  實驗結果及分析
  5.3  基於三維雷達數據立方體的進動目標微動參數與結構參數估計
    5.3.1  基於二進位掩碼的強散射中心關聯
    5.3.2  基於三維特徵曲線的參數估計
    5.3.3  實驗結果及分析
  5.4  組網雷達條件下有翼彈道目標微動參數估計與三維成像
    5.4.1  有翼彈道目標微多普勒信息提取
    5.4.2  微動信息獲取
    5.4.3  目標進動參數和結構參數解算
    5.4.4  有翼彈道目標三維重構
    5.4.5  實驗結果及分析
  參考文獻
第6章  基於窄帶特徵的彈道目標智能識別
  6.1  基於RCS序列時頻變換的彈道目標識別
    6.1.1  典型目標的RCS特性
    6.1.2  RCS序列統計特徵
    6.1.3  RCS信息的圖像特徵及組合特徵識別
    6.1.4  實驗結果及分析
  6.2  基於RCS序列編碼的彈道目標識別
    6.2.1  問題分析
    6.2.2  特徵編碼
    6.2.3  多尺度CNN
    6.2.4  實驗結果及分析
  6.3  基於時頻圖的彈道目標識別
    6.3.1  典型卷積神經網路
    6.3.2  自搭建網路模型
    6.3.3  實驗結果及分析
  6.4  基於CVD和時頻圖的彈道目標識別
    6.4.1  特徵圖像表示
    6.4.2  識別網路框架
    6.4.3  實驗結果及分析
  參考文獻
第7章  基於寬頻特徵的彈道目標智能識別
  7.1  基於HRRPs的錐形彈道目標微動樣式識別
    7.1.1  HRRPs自動去噪方法
    7.1.2  基於SqueezeNet的距離像分類網路
    7.1.3  實驗結果及分析
  7.2  基於HRRPs的進動彈道目標結構識別

    7.2.1  目標散射特性分析
    7.2.2  基於HOG特徵和SVM的圖像識別
    7.2.3  基於貝葉斯優化的CNN設計
    7.2.4  實驗結果及分析
  7.3  基於RD域的彈道目標多網路識別
    7.3.1  RD域的多種數據表示方式
    7.3.2  識別框架
    7.3.3  實驗結果及分析
  7.4  基於四維雷達數據的彈道目標識別
    7.4.1  距離 頻率 時間 能量四維雷達數據立方體生成
    7.4.2  基於注意力機制的網路構造
    7.4.3  實驗結果及分析
  參考文獻
第8章  總結與展望
  8.1  總結
  8.2  展望

  • 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