注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學技術(shù)工業(yè)技術(shù)無線電電子學、電信技術(shù)雷達目標檢測非線性理論及應(yīng)用

雷達目標檢測非線性理論及應(yīng)用

雷達目標檢測非線性理論及應(yīng)用

定 價:¥359.80

作 者: 劉寧波 關(guān)鍵 黃勇 丁昊
出版社: 人民郵電出版社
叢編項:
標 簽: 暫缺

購買這本書可以去


ISBN: 9787115634245 出版時間: 2024-08-01 包裝: 平裝-膠訂
開本: 16開 頁數(shù): 字數(shù):  

內(nèi)容簡介

  物質(zhì)世界中,無論是宇觀、宏觀還是微觀,是由一定層次結(jié)構(gòu)和功能的非線性系統(tǒng)構(gòu)成的,即自然界和現(xiàn)實生活中幾乎所有系統(tǒng)是非線性的。事實上,正是由于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、風云變幻。雷達作為對客觀環(huán)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(yīng)用中絕大多數(shù)復雜問題具有非線性本質(zhì)或呈現(xiàn)出非線性現(xiàn)象,僅在一定的條件下,其才可被理想化或簡化為線性問題。本書立足于非線性理論與方法研究進展,重點闡述非線性相關(guān)理論在雷達信號處理領(lǐng)域的發(fā)展和新運用,其中包括對海雷達信號處理領(lǐng)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(yīng)用性的非線性理論與雷達信號處理學科相結(jié)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(yè)的科技人員閱讀和參考,還可作為上述專業(yè)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(yè)的工程技術(shù)人員參考。

作者簡介

  劉寧波 1983年6月生,男,山東煙臺人,2012年于海軍航空工程學院獲博士學位,2017年-2019年在中國航天科工集團第 二研究院博士后流動站做博士后?,F(xiàn)為海軍航空大學副教授、碩士研究生導師、泰山學 者青年專 家。研究方向為海上目標檢測、雷達信號智能處理,在多表示域分形處理、特征域目標檢測、海雜波特性認知抑制、海上微弱目標智能檢測分類方面進行了持續(xù)深入的研究。出版學術(shù)專著二部,以第 一作者或通信作者發(fā)表學術(shù)論文六十余篇,被SCI、EI、ISTP三大國際檢索收錄四十篇,授權(quán)發(fā)明專利十余項,登記軟件著 作權(quán)四項。 關(guān)鍵 1968年6月生,男,遼寧錦州人,2000年于清華大學信息與通信工程學科獲博士學位,2001年-2002年在清華大學電子科學與技術(shù)博士后流動站做博士后?,F(xiàn)任海軍航空大學教授、博士生導師。研究方向為目標的檢測、定位、跟蹤與識別,在雷達目標檢測恒虛警處理、多傳感器分布式檢測、偵察圖像中目標檢測跟蹤與識別、海雜波中微弱目標檢測與跟蹤、以及信息融合在上述問題中的應(yīng)用方面進行了持續(xù)深入研究。出版學術(shù)專著2部,發(fā)表論文一百一十余篇,被SCI、EI、ISTP三大檢索收錄七十余篇,獲國家科技進步二等獎一項,山東省技術(shù)發(fā)明一等獎一項,軍隊科技進步一等獎三項、二等獎一項,授權(quán)國家發(fā)明專利二十五項。 黃勇 1979年7月生,湖南汨羅人,2010年于海軍航空工程學院獲博士學位,2014年-2017年在中國電子科技集團第三十八研究所博士后站工作?,F(xiàn)為海軍航空大學副教授、碩士生導師、信息感知與融合崗位“泰山學 者”團隊骨干成員、山東省高校優(yōu) 秀青年創(chuàng)新團隊牽頭人。研究方向為雷達目標檢測與跟蹤,在MIMO雷達目標檢測技術(shù)、雷達目標分形與變換域檢測技術(shù)、檢測前跟蹤技術(shù)、海雜波特性分析、海雜波抑制技術(shù)、雷達目標CFAR檢測技術(shù),以及上述技術(shù)的應(yīng)用方面進行了持續(xù)深入研究。 丁昊 1988年7月生,河南西平人,2016年于海軍航空工程學院獲博士學位,2019年-2021年在軍事科學院國防科技創(chuàng)新研究院博士后站工作?,F(xiàn)為海軍航空大學副教授、碩士生導師、信息感知與融合崗位“泰山學 者”團隊骨干成員。研究方向為雷達海雜波特性認知、精細化特征提取與目標檢測識別技術(shù)。

圖書目錄

第1章 緒論 001
1.1 經(jīng)典雷達目標檢測方法 002
1.2 混沌理論在雷達目標檢測中的應(yīng)用 013
1.3 自相似(分形)理論在雷達目標檢測中的應(yīng)用 018
1.4 非線性回歸理論在雷達目標檢測中的應(yīng)用 024
1.5 深度學習方法在雷達目標檢測中的應(yīng)用 025
參考文獻 030

第2章 非線性理論 046
2.1 自相似(分形)理論 046
2.1.1 數(shù)學基礎(chǔ) 046
2.1.2 自相似與自仿射 052
2.1.3 標度不變性 055
2.1.4 Hausdorff測度與維數(shù) 056
2.1.5 盒維數(shù) 059
2.2 非線性回歸理論 063
2.2.1 ARCH模型及性質(zhì) 064
2.2.2 ARCH模型參數(shù)估計 065
2.2.3 GARCH模型及性質(zhì) 067
2.2.4 GARCH模型參數(shù)估計 068
2.3 深度學習方法 070
2.3.1 卷積神經(jīng)網(wǎng)絡(luò) 070
2.3.2 殘差神經(jīng)網(wǎng)絡(luò) 072
2.3.3 長短期記憶網(wǎng)絡(luò) 074
參考文獻 078

第3章 雷達目標檢測理論基礎(chǔ) 080
3.1 引言 080
3.2 固定門限檢測 081
3.2.1 檢測過程 081
3.2.2 奈曼 皮爾遜準則 085
3.2.3 雷達信號的門限檢測 088
3.3 CFAR檢測 093
3.3.1 基本模型 094
3.3.2 CA-CFAR檢測器 097
3.3.3 非參量CFAR檢測器 099
3.3.4 自適應(yīng)CFAR檢測器 110
3.4 特征檢測 117
參考文獻 121

第4章 時域海雜波均勻自相似(分形)特性與目標檢測 124
4.1 海雜波序列自相似特性及影響因素 124
4.1.1 分形海面的電磁散射信號特性 124
4.1.2 自相似判定與無標度區(qū)間 143
4.1.3 分形參數(shù)估計與分析 146
4.1.4 分形參數(shù)的影響因素 150
4.2 利用單一Hurst指數(shù)的目標檢測方法 160
4.3 基于分形相關(guān)系數(shù)的目標檢測方法 165
4.4 基于DFA分段自相似特征的目標檢測方法 170
4.4.1 檢驗統(tǒng)計量的選取 171
4.4.2 檢測方法原理 173
4.4.3 檢測性能分析 174
4.5 海雜波的模糊自相似特性與目標檢測 178
4.5.1 海雜波的模糊自相似分析 178
4.5.2 基于LGF的海雜波中微弱目標檢測 180
4.6 基于擴展自相似特征的目標檢測方法 187
4.6.1 擴展自相似特征 187
4.6.2 基于Bayes分類的目標檢測方法 188
4.6.3 實驗結(jié)果分析 190
4.7 基于組合非線性特征的模糊目標檢測方法 193
4.7.1 分形模型擬合誤差與分形維數(shù)尺度變化量 193
4.7.2 組合分形參量下的模糊檢測與性能分析 195
4.8 基于高階非線性特征的目標檢測方法 198
4.8.1 縫隙的概念與計算方法 198
4.8.2 海雜波與目標信號的縫隙特征 199
4.8.3 基于累積縫隙值尺度變化率的目標檢測方法 201
參考文獻 203

第5章 時域海雜波非均勻自相似(分形)特性與目標檢測 207
5.1 多重自相似的基本理論 208
5.1.1 多重自相似的基本概念 208
5.1.2 多重自相似的描述參數(shù) 208
5.2 無標度區(qū)間的自動確定 212
5.2.1 相空間重構(gòu) 212
5.2.2 無標度區(qū)間自動選取 212
5.2.3 實測數(shù)據(jù)驗證與分析 215
5.3 海雜波的多重自相似性判定 217
5.3.1 海雜波的幅度分布與時間相關(guān)特性 217
5.3.2 海雜波的隨機乘法模型 220
5.3.3 多重自相似判定 222
5.3.4 基于結(jié)構(gòu)函數(shù)的多重自相似分析 224
5.4 海雜波的多重自相似特征與分析 233
5.4.1 廣義分形維數(shù) 233
5.4.2 多重分形譜 238
5.5 基于多重分形譜和BP神經(jīng)網(wǎng)絡(luò)的檢測方法 239
5.6 雷達掃描模式下分形維數(shù)及多重自相似特征 242
5.6.1 掃描模式海雜波的分形維數(shù) 243
5.6.2 掃描模式海雜波的局部廣義分形維數(shù)與局部多重分形譜 244
5.6.3 雷達掃描模式下目標的模糊檢測方法和性能分析 246
5.7 多重自相似關(guān)聯(lián)特性分析與目標檢測方法 253
5.7.1 多重自相似關(guān)聯(lián)理論基礎(chǔ)與參數(shù)估計 253
5.7.2 多重自相似關(guān)聯(lián)特性分析 257
5.7.3 海雜波中微弱目標的多重自相似關(guān)聯(lián)檢測方法 265
5.7.4 海雜波中微弱目標的多重自相似關(guān)聯(lián)檢測性能分析 268
5.8 基于自仿射預測的目標檢測方法 274
5.8.1 分形自仿射理論基礎(chǔ)與表示 274
5.8.2 分形自仿射信號的預測 277
5.8.3 基于分形自仿射的預測結(jié)果 278
5.8.4 基于預測誤差的目標檢測方法與性能分析 279
參考文獻 282

第6章 頻域海雜波自相似(分形)特性與目標檢測 286
6.1 分數(shù)布朗運動在頻域中的自相似性 287
6.2 基于頻域均勻自相似特征的目標檢測方法 290
6.2.1 海雜波頻譜的單一自相似特性 291
6.2.2 海雜波頻譜單一自相似參數(shù)的影響因素 294
6.2.3 目標檢測與性能分析 298
6.3 基于頻域擴展自相似特征的目標檢測方法 302
6.3.1 海雜波頻譜的擴展自相似特性 303
6.3.2 海雜波頻譜擴展自相似參數(shù)的影響因素 309
6.3.3 目標檢測與性能分析 312
6.4 基于頻域多重自相似特征的目標檢測方法 316
6.4.1 多重分形去趨勢波動分析方法 318
6.4.2 海雜波頻譜的多重自相似特性與參數(shù)估計 319
6.4.3 海雜波頻譜廣義Hurst指數(shù)的影響因素 329
6.4.4 目標檢測與性能分析 333
6.5 基于短時譜自相似特征的目標檢測方法 336
6.5.1 海雜波短時譜的自相似性證明 336
6.5.2 海雜波短時譜的自相似特性分析 338
6.5.3 短時譜分形差異特征提取與目標檢測 344
6.6 基于AR譜自相似特征的目標檢測方法 348
6.6.1 海雜波AR譜多重自相似特性 348
6.6.2 AR譜廣義Hurst指數(shù)檢測方法 349
6.6.3 目標檢測與性能分析 351
參考文獻 359

第7章 分數(shù)階域海雜波自相似(分形)特性與目標檢測 361
7.1 分數(shù)布朗運動在FRFT域的自相似性 362
7.2 FRFT域海雜波的單一自相似特性與目標檢測 367
7.2.1 實測海雜波數(shù)據(jù) 367
7.2.2 海雜波FRFT譜的單一自相似特性 370
7.2.3 目標檢測與性能分析 374
7.3 FRFT域海雜波的擴展自相似特性與目標檢測 377
7.3.1 海雜波FRFT譜的擴展自相似特性 378
7.3.2 海雜波FRFT譜擴展自相似參數(shù)的影響因素 382
7.3.3 目標檢測與性能分析 386
7.4 FRFT域海雜波的多重自相似特性與目標檢測 389
7.4.1 海雜波FRFT譜的多重自相似特性與參數(shù)估計 389
7.4.2 海雜波FRFT譜廣義Hurst指數(shù)的影響因素 397
7.4.3 目標檢測與性能分析 400
參考文獻 403

第8章 Hilbert-Huang變換域海雜波自相似(分形)特性與目標檢測 405
8.1 Hilbert-Huang變換簡介 405
8.2 Hilbert-Huang變換原理 408
8.3 海雜波的Hilbert-Huang變換域特性分析 412
8.3.1 海雜波IMF數(shù)目分析 412
8.3.2 海雜波IMF特性分析 415
8.3.3 海雜波Hilbert譜和Hilbert邊際譜特性分析 428
8.3.4 海雜波Hilbert譜脊線特性分析 438
8.4 基于IMF AR模型的海雜波 Hilbert-Huang變換域建模 439
8.5 基于IMF特性的海雜波中微弱目標檢測方法 447
8.5.1 固有模態(tài)能量熵定義 448
8.5.2 目標對海雜波固有模態(tài)能量熵的影響 449
8.5.3 極化方式對海雜波固有模態(tài)能量熵的影響 451
8.5.4 檢測方法原理 452
8.5.5 檢測性能分析 453
8.6 基于Hilbert譜及其邊際譜特性的海雜波中微弱目標檢測方法 457
8.6.1 Hilbert譜時頻熵定義 458
8.6.2 海雜波Hilbert譜時頻熵分析 459
8.6.3 檢測方法原理 466
8.6.4 檢測性能分析 467
8.6.5 S波段雷達實測數(shù)據(jù)驗證 473
8.7 基于EMD和盒維數(shù)的微弱目標檢測方法 476
8.7.1 海雜波低頻成分自相似特性判定 476
8.7.2 海雜波低頻成分的盒維數(shù)分析 477
8.7.3 檢測方法原理 480
8.7.4 檢測性能分析 481
8.7.5 S波段雷達實測數(shù)據(jù)驗證 487
8.8 基于Hilbert譜脊線盒維數(shù)的微弱目標檢測方法 488
8.8.1 海雜波Hilbert譜脊線自相似特性判定 489
8.8.2 海雜波Hilbert譜脊線盒維數(shù)分析 490
8.8.3 檢測方法原理 492
8.8.4 檢測性能分析 493
8.8.5 S波段雷達實測數(shù)據(jù)驗證 496
8.9 基于固有模態(tài)函數(shù)頻域熵的目標檢測方法 498
8.9.1 固有模態(tài)函數(shù)頻域熵定義 498
8.9.2 檢測方法流程 499
8.9.3 多種情況對IMF分量頻域能量百分比的影響 501
8.9.4 固有模態(tài)函數(shù)頻域熵的目標檢測算法及檢測性能 505
8.10 基于海雜波低頻成分重構(gòu)的目標檢測方法 508
8.10.1 靜止目標對海雜波低頻IMF分量的影響 508
8.10.2 檢測方法流程 509
8.10.3 海雜波低頻IMF分量的自相似特性 511
8.10.4 目標檢測與性能分析 512
8.11 基于分形特性改進的EMD目標檢測方法 515
8.11.1 EMD在目標檢測中存在的問題 515
8.11.2 頻域單一自相似的理論基礎(chǔ) 518
8.11.3 檢測方法流程 519
8.11.4 重構(gòu)后的單一自相似特性 521
8.11.5 目標檢測與性能分析 525
參考文獻 527

第9章 基于非線性回歸理論的目標檢測 531
9.1 GARCH海雜波模型下的恒虛警率檢測方法 531
9.1.1 GARCH模型及參數(shù)估計 532
9.1.2 GARCH海雜波中的目標檢測方法 534
9.1.3 參數(shù)估計與目標檢測方法仿真性能分析 537
9.1.4 海雜波模型與檢測方法的實測數(shù)據(jù)驗證 541
9.2 基于FB-VSLMS算法的目標檢測方法 548
9.2.1 FB-VSLMS算法與目標檢測模型 548
9.2.2 實測海雜波驗證與分析 551
參考文獻 559

第10章 基于深度學習的海雜波場景分類與目標檢測 562
10.1 基于CNN的探測場景分類方法 562
10.1.1 深度學習網(wǎng)絡(luò)結(jié)構(gòu)(LeNet) 562
10.1.2 雜噪背景分類與目標檢測 563
10.1.3 準確率的影響因素分析 571
10.2 基于ResNet的目標檢測方法 573
10.2.1 深度學習網(wǎng)絡(luò)模型選取 573
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 576
10.2.3 海雜波中的目標檢測 581
10.2.4 準確率的影響因素分析 584
10.3 基于CNN的運動狀態(tài)分類方法 590
10.3.1 海面微動目標信號建模與CNN模型構(gòu)建 590
10.3.2 基于CNN的海上微動目標檢測和分類 593
10.3.3 仿真結(jié)果及分析 596
參考文獻 600

第11章 非線性理論在其他信號處理領(lǐng)域中的應(yīng)用 602
11.1 非線性理論在圖像處理中的應(yīng)用 603
11.1.1 分形與小波結(jié)合在圖像處理中的應(yīng)用 603
11.1.2 分形在圖像壓縮中的應(yīng)用 608
11.2 非線性理論在語音信號處理中的應(yīng)用 610
11.3 非線性理論在水聲信號處理中的應(yīng)用 613
11.4 非線性理論在機械檢測與監(jiān)測中的應(yīng)用 615
參考文獻 617

附錄A 621
附錄B 624
附錄C 627
附錄D 631

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) www.shuitoufair.cn 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號