編輯推薦:

內(nèi)容簡(jiǎn)介:　　基于高分辨距離像的識(shí)別在雷達(dá)自動(dòng)目標(biāo)識(shí)別領(lǐng)域具有極其重要的地位，對(duì)其理論、方法和技術(shù)進(jìn)行深入研究對(duì)國(guó)土防空安全的重要性是不言而喻的。《雷達(dá)高分辨距離像目標(biāo)識(shí)別的關(guān)鍵應(yīng)用研究》從工程應(yīng)用的角度出發(fā)，分析了雷達(dá)高分辨距離像目標(biāo)識(shí)別所面臨的關(guān)鍵問(wèn)題，介紹了處理這些問(wèn)題時(shí)所涉及的關(guān)鍵理論、方法和技術(shù)，并對(duì)該領(lǐng)域的未來(lái)發(fā)展趨勢(shì)進(jìn)行了分析和展望。該書(shū)共分為7章，其中，第1章為緒論，第2章主要介紹在雜波背景下的魯棒性識(shí)別和雜波抑制問(wèn)題，第3章主要介紹庫(kù)外目標(biāo)拒判問(wèn)題，第4～6章主要介紹特征提取問(wèn)題，第7章對(duì)雷達(dá)自動(dòng)目標(biāo)識(shí)別技術(shù)的未來(lái)發(fā)展趨勢(shì)進(jìn)行分析和展望。
　　該書(shū)的讀者對(duì)象為從事雷達(dá)自動(dòng)目標(biāo)識(shí)別研究的科研人員和工程師，以及從事該領(lǐng)域教學(xué)及科研工作的高等院校師生。

作者簡(jiǎn)介:　　柴晶，博士，曾任中國(guó)航天科工集團(tuán)8511研究所工程師，曾以訪(fǎng)問(wèn)學(xué)者身份在杜克大學(xué)和悉尼科技大學(xué)交流訪(fǎng)問(wèn)?，F(xiàn)為太原理工大學(xué)教師，主要研究方向?yàn)槟Ｊ阶R(shí)別、機(jī)器學(xué)習(xí)、雷達(dá)目標(biāo)識(shí)別。主持國(guó)家自然科學(xué)基金項(xiàng)目《基于包間距離、直接以包為學(xué)習(xí)對(duì)象的多示例學(xué)習(xí)維數(shù)約減問(wèn)題研究（61403273）》。在國(guó)際期刊和學(xué)術(shù)會(huì)議IEEE Transactions on Knowledgeand Data Engineering，Pattern Recognition，Information Sciences，signalProcessing，ACM International Conferenceon Information and Knowledge Management，IET Radar Conference等發(fā)表論文若干。

目錄:第1章 緒論
1．1 雷達(dá)自動(dòng)目標(biāo)識(shí)別綜述
1．1．1 雷達(dá)自動(dòng)目標(biāo)識(shí)別的基本概念
1．1．2 雷達(dá)自動(dòng)目標(biāo)識(shí)別的劃分方法
1．1．3 雷達(dá)自動(dòng)目標(biāo)識(shí)別的意義、歷史和現(xiàn)狀
1．2 雷達(dá)高分辨距離像目標(biāo)識(shí)別研究的關(guān)鍵問(wèn)題
1．2．1 HRRP的方位敏感性問(wèn)題
1．2．2 HRRP的平移敏感性問(wèn)題
1．2．3 HRRP的幅度敏感性問(wèn)題
1．2．4 HRRP的雜波抑制問(wèn)題
1．2．5 HRRP的庫(kù)外目標(biāo)拒判問(wèn)題
1．2．6 HRRP的特征提取問(wèn)題
1．3 凸優(yōu)化問(wèn)題簡(jiǎn)介
1．3．1 凸優(yōu)化的定義
1．3．2 凸優(yōu)化的形式
1．4 基于核函數(shù)的模式分析方法
1．4．1 模式分析方法的發(fā)展歷程
1．4．2 核方法的基本概念
1．4．3 核函數(shù)優(yōu)化
1．5 數(shù)據(jù)介紹和內(nèi)容安排
1．5．1 數(shù)據(jù)介紹
1．5．2 內(nèi)容安排
參考文獻(xiàn)

第2章 寬帶雷達(dá)自動(dòng)目標(biāo)識(shí)別的雜波抑制問(wèn)題
2．1 引言
2．2 信號(hào)模型
2．3 多普勒域直接濾波
2．3．1 雜波抑制
2．3．2 基于實(shí)測(cè)數(shù)據(jù)的仿真實(shí)驗(yàn)
2．3．3 本節(jié)小結(jié)
2．4 基于Keystone變換的寬帶雷達(dá)自動(dòng)目標(biāo)識(shí)別雜波抑制
2．4．1 多普勒域直接濾波
2．4．2 頻率-多普勒域信號(hào)的提取與雜波抑制
2．4．3 基于實(shí)測(cè)數(shù)據(jù)的仿真實(shí)驗(yàn)
2．4．4 本節(jié)小結(jié)
2．5 基于Hough變換的寬帶雷達(dá)自動(dòng)目標(biāo)識(shí)別雜波抑制
2．5．1 Hough變換的原理
2．5．2 利用Hough變換提取信號(hào)信息
2．5．3 運(yùn)動(dòng)補(bǔ)償后提取信號(hào)信息
2．5．4 基于實(shí)測(cè)數(shù)據(jù)的仿真實(shí)驗(yàn)
2．5．5 本節(jié)小結(jié)
2．6 本章小結(jié)
參考文獻(xiàn)

第3章 雷達(dá)高分辨距離像庫(kù)外目標(biāo)拒判問(wèn)題研究
3．1 庫(kù)外目標(biāo)樣本生成
3．2 拒判性能評(píng)估準(zhǔn)則
3．3 基于超球體邊界的拒判算法
3．3．1 支持向量域描述
3．3．2 多核支持向量域描述
3．3．3 本節(jié)小結(jié)
3．4 基于近鄰邊界的拒判算法
3．4．1 NN分類(lèi)器
3．4．2 A-KNN分類(lèi)器
3．4．3 W-KNN分類(lèi)器
3．4．4 本節(jié)小結(jié)
3．5 實(shí)驗(yàn)結(jié)果
3．5．1 基于AUC準(zhǔn)則的實(shí)驗(yàn)結(jié)果
3．5．2 基于LF準(zhǔn)則的實(shí)驗(yàn)結(jié)果
3．5．3 結(jié)果分析
3．6 本章小結(jié)
參考文獻(xiàn)

第4章 融合距離準(zhǔn)則學(xué)習(xí)和分類(lèi)器設(shè)計(jì)的特征提取算法
4．1 算法設(shè)計(jì)
4．1．1 歐氏距離準(zhǔn)則測(cè)度下最近均值（NM）分類(lèi)器的應(yīng)用缺陷
4．1．2 局部均值和最近局部均值（NLM）分類(lèi)器
4．1．3 大間隔最近局部均值（LMNLM）特征提取算法
4．2 相關(guān)算法比較
4．2．1 稀疏子空間最小誤差（LESS）算法
4．2．2 支持向量機(jī)（SVM）
4．2．3 大間隔近鄰（LMNN）算法
4．2．4 局部距離準(zhǔn)則（LDM）學(xué)習(xí)算法
4．3 相關(guān)算法對(duì)LMNLM的啟發(fā)和LMNLM的創(chuàng)新點(diǎn)
4．3．1 啟發(fā)工作
4．3．2 創(chuàng)新工作
4．4 實(shí)驗(yàn)結(jié)果
4．4．1 人工合成數(shù)據(jù)集
4．4．2 UCI公共數(shù)據(jù)集
4．4．3 雷達(dá)HRRP數(shù)據(jù)集
4．4．4 結(jié)果分析
4．5 本章小結(jié)
參考文獻(xiàn)

第5章 組合判別分析
5．1 基于全局優(yōu)化準(zhǔn)則和局部?jī)?yōu)化準(zhǔn)則的特征提取算法
5．1．1 全局特征提取算法
5．1．2 局部特征提取算法
5．1．3 兩種特征提取算法的分析比較
5．2 融合全局優(yōu)化準(zhǔn)則和局部?jī)?yōu)化準(zhǔn)則的組合判別分析（CDA）算法
5．2．1 算法設(shè)計(jì)
5．2．2 算法分析
5．3 UCI公共數(shù)據(jù)集實(shí)驗(yàn)結(jié)果
5．4 雷達(dá)HRRP數(shù)據(jù)集實(shí)驗(yàn)結(jié)果
5．5 本章小結(jié)
參考文獻(xiàn)

第6章 廣義重加權(quán)局部均值判別分析
6．1 LDA算法的應(yīng)用缺陷
6．1．1 缺陷1
6．1．2 缺陷2
6．1．3 缺陷3
6．1．4 缺陷4
6．2 局部均值判別分析（LMDA）
6．3 廣義重加權(quán)（GRW）學(xué)習(xí)框架
6．3．1 重加權(quán)（RW）方法
6．3．2 對(duì)RW方法的擴(kuò)展
6．4 相關(guān)算法的比較
6．5 實(shí)驗(yàn)結(jié)果
6．5．1 人工合成數(shù)據(jù)集
6．5．2 UCI公共數(shù)據(jù)集
6．5．3 雷達(dá)HRRP數(shù)據(jù)集
6．6 本章小結(jié)
參考文獻(xiàn)

第7章 未來(lái)發(fā)展趨勢(shì)
7．1 趨勢(shì)一：拒判算法研究
7．2 趨勢(shì)二：在線(xiàn)學(xué)習(xí)問(wèn)題研究
7．3 趨勢(shì)三：不同信噪比條件下識(shí)別算法的移植問(wèn)題研究
7．4 趨勢(shì)四：流型學(xué)習(xí)研究
7．5 趨勢(shì)五：非參數(shù)貝葉斯統(tǒng)計(jì)學(xué)習(xí)研究
7．6 趨勢(shì)六：微多普勒調(diào)制特性研究
7．7 趨勢(shì)七：其他問(wèn)題研究
參考文獻(xiàn)