| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 跳频信号参数估计国内外研究现状 | 第14-17页 |
| 1.2.1 时频分析类的跳频信号参数估计 | 第14-15页 |
| 1.2.2 非时频分析类的跳频信号参数估计 | 第15-17页 |
| 1.3 本文结构和主要内容 | 第17-19页 |
| 第二章 跳频信号模型及相关参数估计方法分析 | 第19-25页 |
| 2.1 引言 | 第19页 |
| 2.2 跳频信号数学模型 | 第19页 |
| 2.3 时频分析类跳频信号参数估计 | 第19-22页 |
| 2.3.1 不相容原理 | 第20页 |
| 2.3.2 短时傅里叶变换 | 第20页 |
| 2.3.3 WVD变换 | 第20-21页 |
| 2.3.4 时频分析类参数估计方法 | 第21-22页 |
| 2.4 非时频分析类跳频信号参数估计 | 第22-23页 |
| 2.5 各种参数估计方法分析 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于时频脊线的跳频信号参数估计 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 基于盒维数的跳频信号跳周期快速估计 | 第25-30页 |
| 3.2.1 跳频信号模型与分形理论简介 | 第25-26页 |
| 3.2.2 基于盒维数的跳周期估计 | 第26-28页 |
| 3.2.3 仿真实验 | 第28-30页 |
| 3.2.4 复杂度分析 | 第30页 |
| 3.3 基于滑动ESPRIT的跳频频率高精度估计 | 第30-38页 |
| 3.3.1 基本ESPRIT算法 | 第30-32页 |
| 3.3.2 基于滑动ESPRIT的跳频频线估计 | 第32-33页 |
| 3.3.3 基于跳频频线的参数提取 | 第33-35页 |
| 3.3.4 算法流程 | 第35页 |
| 3.3.5 算法性能及复杂度分析 | 第35-36页 |
| 3.3.6 仿真实验 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于自混频的跳频信号参数估计 | 第39-55页 |
| 4.1 引言 | 第39页 |
| 4.2 基于延时自混频的跳频信号跳周期估计 | 第39-47页 |
| 4.2.1 延时自混频信号的构造及分析 | 第39-41页 |
| 4.2.2 多跳频信号时的算法推广 | 第41-42页 |
| 4.2.3 基于拐点检测的跳周期提取 | 第42-44页 |
| 4.2.4 复杂度分析 | 第44-45页 |
| 4.2.5 仿真实验 | 第45-47页 |
| 4.3 基于分段自混频的跳频信号跳时估计 | 第47-53页 |
| 4.3.1 分段自混频信号的构造及分析 | 第47-49页 |
| 4.3.2 多跳频信号时的算法推广 | 第49-51页 |
| 4.3.3 复杂度分析 | 第51-52页 |
| 4.3.4 仿真实验 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 基于实时跟踪的跳频信号参数估计 | 第55-73页 |
| 5.1 引言 | 第55-56页 |
| 5.2 基于粒子滤波的单跳频信号频率跟踪 | 第56-63页 |
| 5.2.1 跳频信号状态模型与问题描述 | 第56页 |
| 5.2.2 粒子滤波基本原理 | 第56-57页 |
| 5.2.3 基于粒子滤波的跳频信号频率跟踪 | 第57-60页 |
| 5.2.4 仿真实验 | 第60-63页 |
| 5.3 基于稀疏重构的多跳频信号频率跟踪及DOA估计 | 第63-71页 |
| 5.3.1 信号的稀疏表示 | 第63-64页 |
| 5.3.2 基于阵列接收的信号稀疏表示模型 | 第64-66页 |
| 5.3.3 基于稀疏贝叶斯学习（SBL）的模型求解 | 第66-67页 |
| 5.3.4 跳频频率跟踪及DOA估计 | 第67-68页 |
| 5.3.5 算法优势分析 | 第68页 |
| 5.3.6 仿真实验 | 第68-71页 |
| 5.4 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 论文主要工作总结 | 第73-74页 |
| 6.2 进一步研究展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 作者简历 | 第81页 |