| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究动态 | 第11-13页 |
| 1.3 本文主要工作 | 第13-16页 |
| 第二章 分布式MIMO雷达布站及遗传算法 | 第16-27页 |
| 2.1 研究背景 | 第16页 |
| 2.2 MIMO雷达的信号模型及布站问题描述 | 第16-20页 |
| 2.2.1 MIMO雷达收发信号模型 | 第16-18页 |
| 2.2.2 MIMO雷达布站问题描述 | 第18-20页 |
| 2.3 遗传算法简介 | 第20-26页 |
| 2.3.1 种群初始化及适应度函数 | 第21-22页 |
| 2.3.2 遗传主要操作及最佳个体保留策略 | 第22-24页 |
| 2.3.3 遗传算法仿真 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于变化监视需求的MIMO雷达快速动态部署 | 第27-38页 |
| 3.1 研究背景 | 第27页 |
| 3.2 MIMO雷达动态部署建模及目标函数设计 | 第27-31页 |
| 3.2.1 动态部署问题建模 | 第27-29页 |
| 3.2.2 目标函数设计 | 第29-30页 |
| 3.2.3 目标函数计算公式推导 | 第30-31页 |
| 3.3 基于遗传算法的MIMO雷达动态布站算法 | 第31-34页 |
| 3.3.1 算法拓展 | 第31-34页 |
| 3.3.2 计算量分析 | 第34页 |
| 3.4 仿真性能分析 | 第34-37页 |
| 3.4.1 覆盖效果仿真对比 | 第35-36页 |
| 3.4.2 计算量仿真对比 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于大数据的MIMO雷达布站算法 | 第38-67页 |
| 4.1 研究背景 | 第38-39页 |
| 4.2 基于环境背景数据的MIMO雷达布站算法 | 第39-44页 |
| 4.2.1 环境背景数据的获取 | 第39-40页 |
| 4.2.2 环境背景数据辅助布站 | 第40-44页 |
| 4.3 基于目标热度区域的MIMO雷达布站算法 | 第44-65页 |
| 4.3.1 目标热度区域的获取 | 第45-48页 |
| 4.3.2 目标热度区域准确性改善方法 | 第48-61页 |
| 4.3.3 基于目标热度区域的布站算法 | 第61-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第五章 全文总结与展望 | 第67-69页 |
| 5.1 全文总结 | 第67页 |
| 5.2 后续工作及展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |