| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 STAP研究历史及现状 | 第16-19页 |
| 1.2.1 STAP的降维（秩）算法 | 第16-18页 |
| 1.2.2 基于稀疏性的STAP方法 | 第18-19页 |
| 1.3 本文的研究内容 | 第19-20页 |
| 第二章 稀疏恢复理论 | 第20-26页 |
| 2.1 引言 | 第20页 |
| 2.2 压缩采样与稀疏恢复数学模型 | 第20-21页 |
| 2.3 稀疏恢复算法 | 第21-23页 |
| 2.3.1 凸优化方法 | 第21-22页 |
| 2.3.2 贪婪算法 | 第22-23页 |
| 2.4 联合稀疏模型 | 第23-24页 |
| 2.5 小结 | 第24-26页 |
| 第三章 基于稀疏恢复的STAP方法 | 第26-50页 |
| 3.1 引言 | 第26页 |
| 3.2 信号模型与性能评价准则 | 第26-30页 |
| 3.2.1 STAP回波信号模型 | 第26-29页 |
| 3.2.2 STAP性能评价准则 | 第29-30页 |
| 3.3 基于稀疏恢复的STAP方法 | 第30-48页 |
| 3.3.1 杂波空时谱的稀疏性 | 第30-32页 |
| 3.3.2 基于稀疏恢复的STAP方法 | 第32-37页 |
| 3.3.3 基于稀疏恢复的STAP方法性能 | 第37-45页 |
| 3.3.4 CS_STAP参数选择 | 第45-48页 |
| 3.4 本章小结 | 第48-50页 |
| 第四章 基于联合稀疏恢复的STAP方法 | 第50-58页 |
| 4.1 引言 | 第50页 |
| 4.2 基于混合l_(2,1)范数最小化的STAP方法 | 第50-54页 |
| 4.2.1 混合l_(2,1)范数最小化算法原理 | 第50-51页 |
| 4.2.2 仿真实验 | 第51-54页 |
| 4.3 基于一种改进正交匹配追踪算法的STAP方法 | 第54-57页 |
| 4.3.1 杂波子空间正交匹配追踪算法原理 | 第54-56页 |
| 4.3.2 仿真实验 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |