🧭 雷达目标识别·机器学习
30章
📡 友好 · 从基础到实战
01
雷达基础与机器学习概览
工作原理
目标识别
ML角色
02
雷达信号处理基础
脉冲压缩
多普勒
CFAR
点迹/航迹
03
机器学习基础回顾
监督/无监督
特征工程
混淆矩阵
ROC
04
雷达数据集构建
MSTAR
RADAR-MNIST
标注
数据增强
05
特征提取与选择
时域/频域
STFT
小波
PCA
06
传统机器学习方法
SVM
KNN
决策树
随机森林
07
深度学习入门
神经网络
激活函数
反向传播
正则化
08
卷积神经网络(CNN)基础
卷积/池化
LeNet
AlexNet
09
基于CNN的雷达目标识别
1D CNN回波
2D距离-多普勒
10
RNN与序列模型
LSTM
GRU
雷达时间序列
11
注意力机制与Transformer
自注意力
Transformer
雷达序列
12
GAN在雷达中的应用
数据增强
超分辨率
信号生成
13
迁移学习与微调
预训练模型
域适应
小样本
14
多模态融合
雷达+红外
雷达+摄像头
特征/决策融合
15
目标检测与定位
YOLO
SSD
雷达检测网络
16
雷达目标分类与识别
HRRP
SAR图像识别
17
雷达目标跟踪
卡尔曼滤波
粒子滤波
深度学习跟踪
18
雷达抗干扰与杂波抑制
ML杂波抑制
干扰识别
19
雷达波形设计与识别
波形优化
调制识别
20
模型压缩与边缘部署
剪枝/量化
知识蒸馏
嵌入式部署
21
联邦学习在雷达中的应用
隐私保护
分布式训练
22
强化学习在雷达中的应用
自适应波形
资源调度
23
可解释性机器学习
SHAP
LIME
决策可视化
24
不确定性估计
贝叶斯NN
MC Dropout
25
小样本学习
原型网络
匹配网络
雷达稀缺数据
26
雷达数据预处理实战
NumPy/SciPy
清洗/归一化
数据集划分
27
模型训练与调优实战
PyTorch/TF
超参数搜索
学习率调度
28
模型评估与测试实战
测试集评估
混淆矩阵
鲁棒性
29
综合项目实战（一）
MSTAR
SAR目标识别系统
30
综合项目实战（二）
雷达点云
行人检测与识别