| 第一章 绪论 | 第1-14页 |
| 1．1 研究目的及意义 | 第8-10页 |
| 1．2 国内外研究状况 | 第10-12页 |
| 1．3 本文研究内容 | 第12-14页 |
| 第二章 纯方位目标运动分析可测性 | 第14-20页 |
| 2．1 可观测性的定义 | 第15-17页 |
| 2．2 纯方位TMA可观测性分析的非线性系统方法 | 第17-20页 |
| 2．2．1 静止目标的可观测分析 | 第18-19页 |
| 2．2．2 匀速直线运动目标可观测性分析 | 第19-20页 |
| 本章小结 | 第20-22页 |
| 第三章 传统纯方位目标运动分析方法的基本特性 | 第22-37页 |
| 3．1 MLE、PLE和MIV算法的性能比较 | 第23-28页 |
| 3．1．1 纯方位过程模型 | 第23-24页 |
| 3．1．2 传统估计算法及其性能比较 | 第24-28页 |
| 3．2 最小二乘法 | 第28-33页 |
| 3．2．1 利用最小二乘平差法求解纯方位TMA问题 | 第29-31页 |
| 3．2．2 利用递推最小二乘法处理纯方位TMA问题 | 第31页 |
| 3．2．3 仿真计算 | 第31-33页 |
| 3．3 辅助变量法（MIV） | 第33-37页 |
| 3．3．1 辅助变量法过程推导 | 第33-35页 |
| 3．3．2 仿真结果 | 第35-37页 |
| 本章小结 | 第37-38页 |
| 第四章 卡尔曼滤波 | 第38-54页 |
| 4．1 广义卡尔曼滤波 | 第38-41页 |
| 4．1．1 数学模型 | 第38-40页 |
| 4．1．2 广义滤波方程 | 第40页 |
| 4．1．3 滤波特性 | 第40页 |
| 4．1．4 仿真结果 | 第40页 |
| 4．1．5 结论 | 第40-41页 |
| 4．2 伪线性滤波 | 第41-45页 |
| 4．2．1 数学模型 | 第41页 |
| 4．2．2 伪线性滤波方程 | 第41-42页 |
| 4．2．3 滤波特性 | 第42页 |
| 4．2．4 仿真结果 | 第42-45页 |
| 4．2．5 结论 | 第45页 |
| 4．3 修正极坐标（MP）卡尔曼滤波 | 第45-54页 |
| 4．3．1 MP坐标中的状态方程和测量方程 | 第46-49页 |
| 4．3．2 MP滤波方程 | 第49-50页 |
| 4．3．3 滤波特性 | 第50页 |
| 4．3．4 仿真结果 | 第50-54页 |
| 4．3．5 结论 | 第54页 |
| 本章小结 | 第54-55页 |
| 第五章 纯方位目标运动分析的自适应算法 | 第55-64页 |
| 5．1 系统模型 | 第55-57页 |
| 5．2 纯方位自适应算法 | 第57-64页 |
| 5．2．1 自适应算法推导 | 第57-60页 |
| 5．2．2 自适应算法的结构 | 第60-61页 |
| 5．2．3 仿真结果 | 第61-64页 |
| 5．2．4 结论 | 第64页 |
| 本章小结 | 第64-65页 |
| 第六章 双基阵联合估计 | 第65-74页 |
| 6．1 双基阵纯方位TMA的数据融合模型 | 第65-66页 |
| 6．2 双基阵纯方位TMA模型的可观测性 | 第66-69页 |
| 6．3 双基阵联合估计方法 | 第69-74页 |
| 6．3．1 最大似然估计（MLE） | 第69-70页 |
| 6．3．2 伪线性算法 | 第70-71页 |
| 6．3．3 仿真结果 | 第71-74页 |
| 本章小结 | 第74-75页 |
| 第七章 全文总结 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-80页 |