雷达辐射源信号表示学习识别技术

正版全新

41.47 6.9折 59.8 全新

库存11件

上海浦东

作者李晓柏等

出版社电子工业出版社

ISBN9787121524608

出版时间2022-12

装帧其他

定价59.8元

货号5046972

上书时间2026-06-27

商品详情

品相描述：全新

商品描述: 【书    名】雷达辐射源信号表示学习识别技术
【书    号】 9787121524608
【出版社】电子工业出版社
【作    者】李晓柏等
【出版日期】 2025-12-01
【定    价】 59.80元

【内容简介】
本书是一本雷达辐射源信号识别领域的专著，综合了字典学习和神经网络等基础理论，引入了多层次表示学习识别架构，采用理论分析与仿真实验相结合的方法，重点对联合降维表示与字典学习、神经网络表示与判别学习、神经网络表示与字典学习三类识别架构进行介绍。全书系统介绍了作者近年来对雷达辐射源信号识别技术的研究成果，共分为6章，包括概论、雷达辐射源信号预处理技术及识别架构、基于降维表示与线性字典学习的识别方法、基于核空间联合降维学习与字典学习的识别方法、基于神经网络表示与判别学习的识别方法、基于神经网络表示与字典学习的联合识别方法。本书可供从事雷达、电抗相关领域的研究人员和工程技术人员使用，也可作为电子信息类专业的教师教学、研究生学习的参考书。

【目录】
第1章  概  论?1?

1.1  雷达辐射源信号识别概述?1?

1.2  雷达辐射源信号识别基本概念?2?

1.2.1  雷达侦察?2?

1.2.2  雷达辐射源信号识别?3?

1.3  雷达辐射源信号识别相关流程?4?

1.3.1  雷达辐射源信号特点?4?

1.3.2  雷达辐射源信号截获?6?

1.3.3  雷达辐射源信号分选?7?

1.3.4  雷达辐射源信号识别?10?

1.4  国内外研究现状?11?

1.4.1  表示学习技术研究现状?13?

1.4.2  雷达辐射源信号识别技术研究现状?18?

1.5  雷达辐射源信号表示学习技术应用?22?

1.5.1  在认知电子战系统中的应用?22?

1.5.2  在侦干探通一体化系统中的应用?23?

1.5.3  在反辐射武器系统中的应用?23?

1.6  本书的主要内容及架构?23?

参考文献?25?

第2章  雷达辐射源信号预处理技术及识别架构?34?

2.1  引言?34?

2.2  相关基础技术?34?

2.2.1  分选技术?35?

2.2.2  常规机器学习识别技术?40?

2.3  信号模型及指标参数?43?

2.4  时频分析技术?47?

2.4.1  短时傅里叶变换?47?

2.4.2  崔-威廉斯分布?48?

2.4.3  维格纳-威尔分布?49?

2.4.4  Gabor变换?50?

2.4.5  小波变换?51?

2.5  时频预处理技术?52?

2.5.1  降采样加权技术?53?

2.5.2  稀疏域降噪技术?55?

2.5.3  二次时频分布?56?

2.6  无监督非线性降维技术?59?

2.6.1  核主成分分析?60?

2.6.2  栈式降维技术?62?

2.7  多层次表示学习识别架构?63?

2.7.1  基于联合降维表示与字典学习的识别架构?64?

2.7.2  基于神经网络表示与判别学习的识别架构?65?

2.7.3  基于神经网络表示与字典学习的联合识别架构?66?

2.8  本章小结?67?

参考文献?67?

第3章  基于降维表示与线性字典学习的识别方法?72?

3.1  引言?72?

3.2  识别方法概述?73?

3.3  基于栈式降维与强化判别字典学习的识别方法?74?

3.3.1  理论模型?74?

3.3.2  模型优化?75?

3.3.3  仿真实验与分析?77?

3.4  基于鉴别投影与协同表示分类的识别方法?83?

3.4.1  理论模型?83?

3.4.2  模型优化?84?

3.4.3  仿真实验与分析?86?

3.5  本章小结?94?

参考文献?95?

第4章  基于核空间联合降维学习与字典学习的识别方法?97?

4.1  引言?97?

4.2  识别方法概述?97?

4.2.1 基于JPDL的识别系统?97?

4.2.2  基于KCRDP的识别系统?98?

4.3  基于联合投影字典学习的识别方法?99?

4.3.1  理论模型?99?

4.3.2  模型优化?100?

4.3.3  仿真实验与分析?102?

4.4  基于核协同表示与鉴别投影的识别方法?107?

4.4.1  理论模型?107?

4.4.2  模型优化?109?

4.4.3  仿真实验与分析?110?

4.5  联合降维表示与字典学习算法对比分析?115?

4.6  本章小结?117?

参考文献?117?

第5章  基于神经网络表示与判别学习的识别方法?119?

5.1  引言?119?

5.2  识别方法概述?120?

5.3  栈式稀疏降噪自编码算法?122?

5.3.1  稀疏降噪自编码?122?

5.3.2  SSDAE模型及优化?124?

5.4  SSDAE仿真实验及分析?127?

5.4.1  网络参数分析?127?

5.4.2  算法对比?128?

5.4.3  鲁棒性与时效性分析?131?

5.5  多尺度卷积神经网络?132?

5.5.1  网络模型及优化?132?

5.5.2  仿真实验及分析?137?

5.6  本章小结?143?

参考文献?144?

第6章  基于神经网络表示与字典学习的联合识别方法?145?

6.1  引言?145?

6.2  迁移学习概述?146?

6.3  基于Inception-v3表示和EDDL的识别方法?148?

6.3.1  系统概述?148?

6.3.2  特征迁移学习与EDDL分类?148?

6.3.3  仿真实验及分析?151?

6.4  基于CNN-KCRDP的识别方法?155?

6.4.1  系统概述?155?

6.4.2  CNN迁移学习和KCRDP分类?156?

6.4.3  实验环境及模型分析?158?

6.4.4  算法对比及分析?161?

6.5  本章小结?166?

参考文献?166?

附录A  英文缩略语索引?169