雷達偵察信號智能處理技術(shù)

第一部分 雷達偵察信號處理：從感知到認知
第1章 雷達偵察信號處理的現(xiàn)狀與挑戰(zhàn)
1．1 雷達偵察信號處理問題分析
1．1．1 雷達與雷達偵察
1．1．2 雷達偵察信號描述
1．2 雷達偵察信號處理的兩大任務(wù)：分選與識別
1．3 傳統(tǒng)脈沖分選方法及局限性
1．3．1 雷達脈沖分選問題描述
1．3．2 雷達脈沖分選技術(shù)現(xiàn)狀
1．4 傳統(tǒng)雷達偵察識別方法及局限性
1．4．1 雷達偵察識別問題描述
1．4．2 雷達偵察識別技術(shù)現(xiàn)狀
1．5 多功能雷達的分選與識別問題
1．6 分選與識別技術(shù)的智能化需求
1．7 本章小結(jié)
第2章 人工智能賦能雷達偵察信號處理技術(shù)新發(fā)展
2．1 人工智能領(lǐng)域相關(guān)技術(shù)
2．1．1 人工智能與機器學習
2．1．2 前饋神經(jīng)網(wǎng)絡(luò)
2．1．3 卷積神經(jīng)網(wǎng)絡(luò)
2．1．4 循環(huán)神經(jīng)網(wǎng)絡(luò)
2．1．5 深度自編碼器
2．2 人工智能技術(shù)直接應(yīng)用于雷達偵察信號處理領(lǐng)域的困難
2．3 來自自然語言處理等技術(shù)的啟發(fā)
2．4 雷達偵察信號處理：從感知到認知
2．5 本章小結(jié)
第二部分 雷達偵察信號智能分選技術(shù)
第3章 基于有限狀態(tài)自動機的常規(guī)體制雷達信號在線分選
3．1 交錯脈沖列的在線分選需求
3．2 常規(guī)重頻體制雷達脈沖列時序規(guī)律建模
3．3 用于脈沖列識別的自動機構(gòu)建
3．3．1 周期重復脈沖列的正則文法表示
3．3．2 周期重復脈沖列的有限狀態(tài)自動機識別模型
3．4 基于有限狀態(tài)自動機的脈沖列在線分選
3．4．1 自動機起始
3．4．2 自動機序貫更新
3．5 交錯脈沖列并行分選
3．6 多種因素對在線分選性能的影響分析
3．7 本章小結(jié)
第4章 基于脈沖列時序規(guī)律解析的常規(guī)體制雷達信號智能分選
4．1 常規(guī)體制雷達交錯脈沖列的智能分選需求
4．2 脈沖列建模與分析
4．2．1 脈沖列模型
4．2．2 循環(huán)神經(jīng)網(wǎng)絡(luò)功能與脈沖分選任務(wù)的內(nèi)在契合性
4．3 脈沖列去噪
4．3．1 用于脈沖參數(shù)預(yù)測的循環(huán)神經(jīng)網(wǎng)絡(luò)模型
4．3．2 循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測器的訓練
4．3．3 基于循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測器的脈沖列去噪方法
4．4 基于序貫去噪的交錯脈沖列分選方法
4．5 常規(guī)體制雷達信號智能分選性能受噪聲的影響情況分析
4．5．1 試驗參數(shù)設(shè)置
……
第三部分 雷達偵察信號智能識別技術(shù)
參考文獻