基于知识辅助和波形捷变的目标跟踪技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 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 认知雷达系统的理论发展 | 第11-12页 |
| 1.2.2 自适应跟踪波形发射技术 | 第12-13页 |
| 1.3 本文内容及章节安排 | 第13-15页 |
| 第二章 认知动态系统与认知雷达体系 | 第15-19页 |
| 2.1 引言 | 第15页 |
| 2.2 认知动态系统 | 第15-16页 |
| 2.3 行为决策方法 | 第16-17页 |
| 2.4 认知雷达 | 第17-18页 |
| 2.4.1 认知雷达的原理框架 | 第17-18页 |
| 2.4.2 跟踪问题中的行为决策 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 目标跟踪与波形捷变技术 | 第19-39页 |
| 3.1 引言 | 第19页 |
| 3.2 发射机相关理论 | 第19-21页 |
| 3.2.1 雷达信号模型 | 第19页 |
| 3.2.2 发射波形与测量噪声 | 第19-21页 |
| 3.3 接收机相关理论 | 第21-26页 |
| 3.3.1 目标状态空间模型 | 第22页 |
| 3.3.2 近似贝叶斯滤波 | 第22-25页 |
| 3.3.3 发射波形与跟踪精度 | 第25-26页 |
| 3.4 基于准则函数的波形捷变算法 | 第26-29页 |
| 3.4.1 最小均方误差准则函数 | 第26-27页 |
| 3.4.2 信息熵准则函数 | 第27页 |
| 3.4.3 最小波门体积准则函数 | 第27-28页 |
| 3.4.4 期望协方差准则函数 | 第28页 |
| 3.4.5 算法流程 | 第28-29页 |
| 3.5 杂波场景的波形捷变算法 | 第29-32页 |
| 3.5.1 概率数据关联算法 | 第30-31页 |
| 3.5.2 修正的Riccati方程 | 第31-32页 |
| 3.6 仿真实验与结果分析 | 第32-38页 |
| 3.6.1 最小均方误差准则的仿真实验 | 第32-35页 |
| 3.6.2 期望协方差准则的仿真实验 | 第35-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第四章 基于增强学习的跟踪波形选择算法 | 第39-64页 |
| 4.1 引言 | 第39页 |
| 4.2 认知动态系统的行为决策 | 第39-43页 |
| 4.2.1 马尔科夫决策过程 | 第39-42页 |
| 4.2.2 模型未知的增强学习 | 第42-43页 |
| 4.3 认知跟踪波形选择算法 | 第43-53页 |
| 4.3.1 认知跟踪系统的增强学习框架 | 第43-44页 |
| 4.3.2 无状态的增强学习算法 | 第44-46页 |
| 4.3.3 回报函数的设计 | 第46-48页 |
| 4.3.4 学习过程和计划过程 | 第48-50页 |
| 4.3.5 探索和利用 | 第50-51页 |
| 4.3.6 算法框架和流程 | 第51-53页 |
| 4.4 仿真实验和结果分析 | 第53-63页 |
| 4.4.1 计划过程作用的验证实验 | 第53-57页 |
| 4.4.2 不同波形选择算法的对比实验 | 第57-58页 |
| 4.4.3 期望协方差控制的仿真实验 | 第58-61页 |
| 4.4.4 杂波场景的仿真实验 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 工作总结 | 第64页 |
| 5.2 未来展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻硕期间取得的研究成果 | 第71页 |
