| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 波形自适应目标检测 | 第11-12页 |
| 1.2.2 波形自适应目标跟踪 | 第12-13页 |
| 1.3 论文结构安排与主要内容 | 第13-14页 |
| 第2章 不同雷达任务下的波形最优化分析 | 第14-32页 |
| 2.1 引言 | 第14页 |
| 2.2 基于目标检测识别的最优波形设计 | 第14-20页 |
| 2.2.1 目标响应模型 | 第14-15页 |
| 2.2.2 杂波环境下的认知雷达收发模型 | 第15-16页 |
| 2.2.3 目标函数与约束条件 | 第16-18页 |
| 2.2.4 最优波形仿真分析 | 第18-20页 |
| 2.3 基于目标跟踪的最优波形设计 | 第20-31页 |
| 2.3.1 发射波形与跟踪系统的关系 | 第20-21页 |
| 2.3.2 基于卡尔曼滤波算法的发射波形选择 | 第21-24页 |
| 2.3.3 波形参数与最优波形选择准则 | 第24-28页 |
| 2.3.4 仿真实验与分析 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 杂波环境下单目标认知跟踪算法 | 第32-53页 |
| 3.1 引言 | 第32页 |
| 3.2 概率数据关联算法模型(PDA) | 第32-38页 |
| 3.2.1 系统观测模型 | 第33页 |
| 3.2.2 关联波门 | 第33-35页 |
| 3.2.3 关联概率计算 | 第35-37页 |
| 3.2.4 状态更新与协方差更新 | 第37-38页 |
| 3.3 检测跟踪联合处理 | 第38-46页 |
| 3.3.1 理想匹配滤波下的检测过程 | 第39-42页 |
| 3.3.2 平均发现概率、虚警概率与杂波密度 | 第42-43页 |
| 3.3.3 基于幅值信息的关联概率计算 | 第43-44页 |
| 3.3.4 仿真分析 | 第44-46页 |
| 3.4 基于PDA算法的波形自适应跟踪(WPDA) | 第46-52页 |
| 3.4.1 滤波误差协方差的估计 | 第47-48页 |
| 3.4.2 算法流程 | 第48-49页 |
| 3.4.3 仿真分析 | 第49-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 杂波环境下多目标认知跟踪算法 | 第53-71页 |
| 4.1 引言 | 第53页 |
| 4.2 基于JPDA算法的波形自适应跟踪(WJPDA) | 第53-63页 |
| 4.2.1 跟踪系统框架与建模 | 第53-55页 |
| 4.2.2 关联概率的计算 | 第55-58页 |
| 4.2.3 状态估计协方差的更新 | 第58-59页 |
| 4.2.4 算法流程 | 第59-61页 |
| 4.2.5 仿真分析 | 第61-63页 |
| 4.3 基于多波束发射的认知跟踪 | 第63-70页 |
| 4.3.1 系统工作模型 | 第63-64页 |
| 4.3.2 杂波环境下目标跟踪的误差下界 | 第64-66页 |
| 4.3.3 雷达发射功率分配算法 | 第66-67页 |
| 4.3.4 算法流程 | 第67-68页 |
| 4.3.5 仿真分析 | 第68-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第5章 机动目标认知跟踪算法 | 第71-83页 |
| 5.1 引言 | 第71页 |
| 5.2 交互多模型算法模型(IMM) | 第71-73页 |
| 5.3 自适应机动目标跟踪算法 | 第73-82页 |
| 5.3.1 变结构IMM-PDA算法 | 第73-75页 |
| 5.3.2 跟踪波门的自适应调节 | 第75-77页 |
| 5.3.3 算法流程 | 第77-79页 |
| 5.3.4 仿真分析 | 第79-82页 |
| 5.4 本章小结 | 第82-83页 |
| 第6章 总结与展望 | 第83-85页 |
| 6.1 工作总结 | 第83-84页 |
| 6.2 工作展望 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-90页 |
| 作者简介 | 第90页 |