| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 研究背景及意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-21页 |
| 1.2.1 LFM信号参数估计方法研究进展 | 第18-19页 |
| 1.2.2 Alpha稳定分布研究进展 | 第19-21页 |
| 1.3 论文主要工作及章节安排 | 第21-23页 |
| 第二章 信号及噪声模型 | 第23-41页 |
| 2.1 引言 | 第23页 |
| 2.2 信号模型 | 第23-33页 |
| 2.2.1 LFM信号 | 第23-25页 |
| 2.2.2 基于常规时频分布的参数估计 | 第25-30页 |
| 2.2.3 基于FrFT的参数估计 | 第30-33页 |
| 2.3 噪声模型 | 第33-39页 |
| 2.3.1 alpha稳定分布概念 | 第33-35页 |
| 2.3.2 alpha稳定分布性质 | 第35-36页 |
| 2.3.3 广义信噪比 | 第36-37页 |
| 2.3.4 抑制alpha稳定分布噪声的常用方法 | 第37-39页 |
| 2.4 本章小结 | 第39-41页 |
| 第三章 基于短时高斯-傅里叶变换的LFM信号参数估计 | 第41-51页 |
| 3.1 引言 | 第41页 |
| 3.2 alpha稳定分布噪声下的时频分布 | 第41-43页 |
| 3.3 SG-FT时频分布 | 第43-45页 |
| 3.3.1 高斯型函数 | 第43-44页 |
| 3.3.2 SG-FT | 第44-45页 |
| 3.3.3 基于SG-FT的参数估计 | 第45页 |
| 3.4 仿真结果及分析 | 第45-50页 |
| 3.4.1 高斯型函数标准差的选择 | 第46页 |
| 3.4.2 窗函数的选取 | 第46-48页 |
| 3.4.3 参数估计性能 | 第48-49页 |
| 3.4.4 稳健性分析 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于改进分数阶自相关的LFM信号参数估计 | 第51-63页 |
| 4.1 引言 | 第51页 |
| 4.2 分数阶自相关与相关熵 | 第51-55页 |
| 4.2.1 分数阶自相关 | 第51-53页 |
| 4.2.2 相关熵及其性质 | 第53-55页 |
| 4.3 基于相关熵的分数阶自相关 | 第55-58页 |
| 4.3.1 alpha稳定分布噪声下的分数阶自相关 | 第55-57页 |
| 4.3.2 CFrC | 第57-58页 |
| 4.3.3 基于CFrC的参数估计 | 第58页 |
| 4.4 仿真结果及分析 | 第58-61页 |
| 4.4.1 CFrC抑噪效果 | 第59页 |
| 4.4.2 参数估计性能 | 第59-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 基于广义柯西RBF网络的LFM信号参数估计 | 第63-75页 |
| 5.1 引言 | 第63页 |
| 5.2 RBF网络 | 第63-66页 |
| 5.2.1 神经网络简介 | 第63-65页 |
| 5.2.2 RBF网络模型 | 第65-66页 |
| 5.3 广义柯西RBF网络 | 第66-71页 |
| 5.3.1 网络结构 | 第66-67页 |
| 5.3.2 网络训练 | 第67-68页 |
| 5.3.3 网络参数分析 | 第68-70页 |
| 5.3.4 LVD时频分析方法 | 第70-71页 |
| 5.3.5 参数估计方法 | 第71页 |
| 5.4 仿真结果及分析 | 第71-74页 |
| 5.4.1 抑噪性能分析 | 第71-73页 |
| 5.4.2 参数估计性能 | 第73-74页 |
| 5.5 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 全文总结 | 第75-76页 |
| 6.2 未来展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 作者简介 | 第85-86页 |
