基于改进PSO-RBF神经网络的高分辨率雷达目标检测研究

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 雷达自动检测技术

1．2．1 基于目标回波起伏和调制谱特征的目标检测

1．2．2 基于极点分布的目标检测

1．2．3 基于极化特征的目标检测

1．2．4 基于高分辨率雷达的目标检测

1．3 基于雷达目标HRRP的检测

1．3．1 直接利用HRRP的目标检测

1．3．2 基于子空间法的HRRP目标检测

1．3．3 基于支持向量机的HRRP目标检测

1．3．4 基于神经网络的HRRP目标检测

1．4 本文研究内容

1．5 论文结构

第二章 目标高分辨率距离像

2．1 雷达目标散射中心理论

2．2 高分辨率距离像的建立

2．3 HRRP的特性分析

2．3．1 姿态敏感性

2．3．2 平移敏感性

2．3．3 幅度敏感性

2．4 高分辨率距离像实验数据介绍

2．4．1 仿真目标数据

2．4．2 实测数据

2．4．3 雷达目标HRRP的预处理

2．5 本章小结

第三章 粒子群算法和RBF神经网络的基本理论

3．1 粒子群算法概述

3．1．1 标准PSO算法的基本原理

3．1．2 参数设置

3．2 标准PSO算法的改进

3．2．1 线性调整策略

3．2．2 非线性惯性权重调整策略

3．3 人工神经网络概述

3．3．1 人工神经元模型

3．3．2 人工神经网络的基本原理

3．3．3 人工神经网络的分类

3．4 RBF神经网络

3．4．1 RBF神经网络结构

3．4．2 RBF网络的学习算法

3．5 本章小结

第四章 基于改进PSO的RBF神经网络算法设计

4．1 改进PSO算法

4．1．1 非线性自适应惯性权重

4．1．2 局部搜索算子

4．2 实验结果与分析

4．2．1 测试函数

4．2．2 算法参数设置

4．2．3 算法性能分析

4．3 基于改进的PSO优化的RBF神经网络

4．3．1 参数的编码方式与适应度函数的选取

4．3．2 改进PSO优化的RBF神经网络

4．4 实验结果和分析

4．4．1 算法的评价指标

4．4．2 结果分析

4．5 本章小结

第五章 雷达目标检测系统的设计与实现

5．1 模型总体结构

5．2 改进PSO-RBF神经网络雷达目标检测模型

5．2．1 数据预处理模块

5．2．2 改进PSO-RBF神经网络模块

5．2．3 输出响应及处理模块

5．3 实验及仿真结果

5．3．1 算法仿真环境

5．3．2 实验数据

5．3．3 算法的评价指标

5．4 本章小节

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读硕士学位期间发表论文情况