| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩写术语表 | 第10-11页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.3 本文的主要工作 | 第19-21页 |
| 第二章 基于动态规划的检测前跟踪算法 | 第21-35页 |
| 2.1 DP-TBD算法 | 第21-28页 |
| 2.1.1 目标运动模型 | 第21-22页 |
| 2.1.2 测量模型 | 第22-23页 |
| 2.1.3 算法流程 | 第23-26页 |
| 2.1.4 仿真与性能分析 | 第26-28页 |
| 2.2 基于知识辅助的DP-TBD算法 | 第28-30页 |
| 2.3 杂波和目标模型 | 第30-34页 |
| 2.3.1 杂波模型 | 第30-32页 |
| 2.3.2 目标模型 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 杂波分区知识辅助DP-TBD算法 | 第35-52页 |
| 3.1 DP-TBD算法在非均匀杂波背景下的局限性分析 | 第35-38页 |
| 3.2 固定门限杂波分区知识辅助DP-TBD算法 | 第38-40页 |
| 3.2.1 杂波边缘估计 | 第39-40页 |
| 3.2.2 杂波功率估计 | 第40页 |
| 3.2.3 杂波功率归一化 | 第40页 |
| 3.3 自适应门限杂波分区知识辅助DP-TBD算法 | 第40-47页 |
| 3.3.1 值函数扩展现象分析 | 第41-42页 |
| 3.3.2 修正DP积累 | 第42-46页 |
| 3.3.3 自适应门限检测 | 第46-47页 |
| 3.4 算法仿真与性能分析 | 第47-50页 |
| 3.4.1 固定门限杂波分区知识辅助DP-TBD算法 | 第47-48页 |
| 3.4.2 自适应门限杂波分区知识辅助DP-TBD算法 | 第48-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第四章 幅度知识辅助DP-TBD算法 | 第52-81页 |
| 4.1 DP-TBD算法在非高斯杂波背景下的局限性分析 | 第52-54页 |
| 4.2 K杂波背景下的幅度知识辅助DP-TBD算法 | 第54-62页 |
| 4.2.1 LELR推导 | 第54-57页 |
| 4.2.2 幅度知识辅助DP-TBD算法 | 第57-62页 |
| 4.3 GO杂波背景下的幅度知识辅助DP-TBD算法 | 第62-68页 |
| 4.3.1 LELR推导 | 第63-65页 |
| 4.3.2 幅度知识辅助DP-TBD算法 | 第65-68页 |
| 4.4 算法仿真与性能分析 | 第68-80页 |
| 4.4.1 K杂波背景下的幅度知识辅助DP-TBD算法 | 第69-74页 |
| 4.4.2 GO杂波背景下的幅度知识辅助DP-TBD算法 | 第74-80页 |
| 4.5 本章小结 | 第80-81页 |
| 第五章 扩展目标特征知识辅助DP-TBD算法 | 第81-112页 |
| 5.1 DP-TBD算法在扩展目标场景下的局限性分析 | 第81-84页 |
| 5.2 高斯杂波背景下的扩展目标特征知识辅助DP-TBD算法 | 第84-94页 |
| 5.2.1 基于实测量值的扩展目标特征知识辅助DP-TBD算法 | 第84-90页 |
| 5.2.2 基于复测量值的扩展目标特征知识辅助DP-TBD算法 | 第90-94页 |
| 5.3 复合高斯杂波背景下的扩展目标特征知识辅助DP-TBD算法 | 第94-99页 |
| 5.3.1 基于非相干积累的扩展目标特征知识辅助DP-TBD算法 | 第95-96页 |
| 5.3.2 基于GLRT的扩展目标特征知识辅助DP-TBD算法 | 第96-99页 |
| 5.4 算法仿真与性能分析 | 第99-110页 |
| 5.4.1 高斯杂波背景下的扩展目标特征知识辅助DP-TBD算法 | 第99-106页 |
| 5.4.2 复合高斯杂波背景下的扩展目标特征知识辅助DP-TBD算法 | 第106-110页 |
| 5.5 小结 | 第110-112页 |
| 第六章 全文总结与展望 | 第112-115页 |
| 6.1 全文总结 | 第112-114页 |
| 6.2 后续工作展望 | 第114-115页 |
| 致谢 | 第115-116页 |
| 参考文献 | 第116-126页 |
| 附录 | 第126-131页 |
| 攻读博士学位期间取得的成果 | 第131-132页 |
