| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 主要研究内容及创新点 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14-16页 |
| 1.3.2 主要创新点 | 第16页 |
| 1.4 本文章节安排 | 第16-18页 |
| 第二章 无人机无线信号模型与时频信号平稳方法 | 第18-30页 |
| 2.1 无人机系统组成和信号模型 | 第18-20页 |
| 2.1.1 无人机系统 | 第18-19页 |
| 2.1.2 无人机信号特征 | 第19-20页 |
| 2.2 时间序列循环平稳特性 | 第20-22页 |
| 2.3 时频序列平稳技术 | 第22-25页 |
| 2.3.1 经验模态分解 | 第23-24页 |
| 2.3.2 自适应时变滤波分解方法 | 第24-25页 |
| 2.4 智能阵列天线 | 第25-28页 |
| 2.5 信号检测效果描述变量 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于电磁信号特征的无人机信号识别方法 | 第30-46页 |
| 3.1 研究背景 | 第30-31页 |
| 3.2 无人机信号监测模型 | 第31-32页 |
| 3.2.1 频谱感知信号模型 | 第31-32页 |
| 3.2.2 高斯噪声数学模型 | 第32页 |
| 3.3 无人机信号监测技术 | 第32-42页 |
| 3.3.1 基于极值域均值模式分解的电磁特征增强技术 | 第32-38页 |
| 3.3.2 基于电磁信号特征的无人机信号二分类检测识别技术 | 第38-42页 |
| 3.4 算法性能仿真分析 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于循环互相关协方差矩阵的DOA估计算法 | 第46-60页 |
| 4.1 研究背景 | 第46-47页 |
| 4.2 多天线场景下的信号接收模型 | 第47-50页 |
| 4.2.1 阵列天线接收信号模型 | 第47-49页 |
| 4.2.2 脉冲噪声数学模型 | 第49-50页 |
| 4.3 基于循环互相关的多信号分类算法 | 第50-56页 |
| 4.4 仿真结果 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结和展望 | 第60-62页 |
| 5.1 论文工作总结 | 第60-61页 |
| 5.2 未来工作展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士期间成果目录 | 第70页 |