| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景及研究的目的和意义 | 第10-12页 |
| 1.2 国内外研究概况 | 第12-17页 |
| 1.2.1 认知雷达智能化研究进展 | 第12-13页 |
| 1.2.2 波形优化研究进展 | 第13-16页 |
| 1.2.3 国内研究现状 | 第16-17页 |
| 1.3 本文的主要研究内容 | 第17-20页 |
| 第2章 认知雷达理论及系统结构 | 第20-29页 |
| 2.1 引言 | 第20页 |
| 2.2 认知雷达系统 | 第20-26页 |
| 2.2.1 感知-行动周期（PAC） | 第21-22页 |
| 2.2.2 环境场景分析器——感知器 | 第22页 |
| 2.2.3 环境场景执行器——执行器 | 第22-23页 |
| 2.2.4 记忆结构 | 第23-24页 |
| 2.2.5 注意（Attention）与智能（Intelligence） | 第24-26页 |
| 2.3 系统结构及实现流程 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 基于准则函数的波形捷变理论 | 第29-51页 |
| 3.1 引言 | 第29页 |
| 3.2 认知雷达系统模块数学建模 | 第29-40页 |
| 3.2.1 发射信号模型 | 第29-31页 |
| 3.2.2 目标状态模型及贝叶斯滤波 | 第31-33页 |
| 3.2.3 信号波形参量及其影响 | 第33-38页 |
| 3.2.4 准则函数 | 第38-40页 |
| 3.3 仿真及结果分析 | 第40-49页 |
| 3.3.1 模型说明及参数设置 | 第40-42页 |
| 3.3.2 传统开环雷达与认知闭环雷达跟踪性能比较 | 第42-44页 |
| 3.3.3 波形捷变雷达与波形固定雷达跟踪性能比较 | 第44-48页 |
| 3.3.4 波形捷变的抗干扰性能 | 第48-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 基于机器学习算法的波形捷变 | 第51-81页 |
| 4.1 引言 | 第51页 |
| 4.2 神经网络 | 第51-56页 |
| 4.2.1 神经网络基本原理 | 第51-53页 |
| 4.2.2 反向传播（BP）算法 | 第53-56页 |
| 4.3 利用神经网络进行跟踪仿真 | 第56-61页 |
| 4.3.1 训练样本的选取与训练过程 | 第56-58页 |
| 4.3.2 利用神经网络进行跟踪的仿真分析 | 第58-59页 |
| 4.3.3 神经网络的抗干扰性能 | 第59-61页 |
| 4.4 强化学习 | 第61-80页 |
| 4.4.1 强化学习算法目标 | 第62页 |
| 4.4.2 马尔科夫决策过程（MDP） | 第62-64页 |
| 4.4.3 一种无模型的Q学习算法 | 第64-67页 |
| 4.4.4 无模型Q学习算法仿真分析 | 第67-69页 |
| 4.4.5 一种state-free的认知强化学习算法 | 第69-74页 |
| 4.4.6 认知算法仿真分析 | 第74-80页 |
| 4.5 本章小结 | 第80-81页 |
| 结论 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89页 |
