| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 背景简述及研究意义 | 第7-8页 |
| 1.2 研究历史及国内外研究现状 | 第8-11页 |
| 1.2.1 雷达高分辨成像演化 | 第8-9页 |
| 1.2.2 基于信号稀疏表示的雷达成像发展 | 第9-11页 |
| 1.3 本文的结构安排 | 第11-13页 |
| 2 雷达信号稀疏表示理论 | 第13-20页 |
| 2.1 引言 | 第13页 |
| 2.2 信号稀疏表示基础及应用 | 第13-16页 |
| 2.2.1 稀疏信号基础 | 第13-14页 |
| 2.2.2 压缩感知技术应用 | 第14-16页 |
| 2.3 高频区雷达目标几何绕射理论 | 第16-19页 |
| 2.3.1 高频区雷达目标散射中心特性 | 第16-17页 |
| 2.3.2 散射中心模型建立 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 基于方差成分扩张压缩(ExCoV)的多雷达数据融合成像 | 第20-48页 |
| 3.1 引言 | 第20页 |
| 3.2 基于方差成分扩张压缩(ExCoV)算法原理 | 第20-27页 |
| 3.2.1 概率模型 | 第21页 |
| 3.2.2 ExCoV算法过程 | 第21-27页 |
| 3.3 GTD建模下同视角多频带数据融合成像 | 第27-36页 |
| 3.3.1 一维雷达信号稀疏表示模型 | 第27-28页 |
| 3.3.2 基于ExCoV的同视角多频带数据融合 | 第28-30页 |
| 3.3.3 仿真算例 | 第30-36页 |
| 3.4 GTD建模下多视角多频带数据融合成像 | 第36-47页 |
| 3.4.1 二维雷达信号稀疏表示模型 | 第36-37页 |
| 3.4.2 基于ExCoV的多视角多频带数据融合 | 第37-39页 |
| 3.4.3 仿真算例 | 第39-47页 |
| 3.5 本章小结 | 第47-48页 |
| 4 基于张量方法的三维雷达成像 | 第48-71页 |
| 4.1 引言 | 第48页 |
| 4.2 三维雷达成像基本原理 | 第48-58页 |
| 4.2.1 三维雷达成像场景及信号形式 | 第48-51页 |
| 4.2.2 三维雷达回波稀疏表示模型 | 第51-53页 |
| 4.2.3 矢量化压缩感知OMP三维成像原理 | 第53-54页 |
| 4.2.4 仿真算例 | 第54-58页 |
| 4.3 基于张量方法MD-NSLO的三维成像方法 | 第58-68页 |
| 4.3.1 张量信号处理基础 | 第58-59页 |
| 4.3.2 MD-NSLO算法基本原理 | 第59-61页 |
| 4.3.3 仿真算例 | 第61-68页 |
| 4.4 基于张量方法MD-NSL0和矢量化压缩感知OMP的性能分析 | 第68-70页 |
| 4.4.1 性能分析 | 第68页 |
| 4.4.2 仿真算例 | 第68-70页 |
| 4.5 本章小结 | 第70-71页 |
| 5 总结 | 第71-73页 |
| 5.1 本文的主要工作 | 第71页 |
| 5.2 对下一步工作展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 附录 | 第77页 |
