| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1. 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文的主要内容及安排 | 第11-14页 |
| 2. 基于压缩感知理论的雷达成像基本原理 | 第14-20页 |
| 2.1 引言 | 第14页 |
| 2.2 压缩感知理论的基本原理 | 第14-17页 |
| 2.2.1 稀疏字典构造 | 第14-15页 |
| 2.2.2 测量矩阵研究 | 第15-16页 |
| 2.2.3 稀疏恢复算法 | 第16-17页 |
| 2.3 基于压缩感知的雷达成像算法 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3. 网格失配时基于稀疏贝叶斯学习(OGSBL)算法的多雷达融合成像 | 第20-46页 |
| 3.1 引言 | 第20页 |
| 3.2 网格失配问题 | 第20-25页 |
| 3.3 多雷达数据融合原理 | 第25-28页 |
| 3.4 基于OGSBL算法的多雷达数据融合方法研究 | 第28-43页 |
| 3.4.1 网格失配模型 | 第28-30页 |
| 3.4.2 基于OGSBL的多雷达数据融合基本原理 | 第30-36页 |
| 3.4.3 仿真算例 | 第36-43页 |
| 3.5 本章小结 | 第43-46页 |
| 4. 基于降维方法的雷达三维成像 | 第46-74页 |
| 4.1 引言 | 第46-47页 |
| 4.2 雷达三维成像的基本原理 | 第47-50页 |
| 4.2.1 三维雷达回波表示模型 | 第47-49页 |
| 4.2.2 向量化方法三维成像原理 | 第49-50页 |
| 4.3 基于降维方法的雷达三维成像方法研究 | 第50-58页 |
| 4.3.1 降维方法回波信号处理 | 第50-54页 |
| 4.3.2 降维方法的雷达三维成像基本原理 | 第54-58页 |
| 4.4 向量化方法与降维三维成像方法性能分析 | 第58-72页 |
| 4.5 本章小结 | 第72-74页 |
| 5. 本文总结与展望 | 第74-76页 |
| 5.1 本文总结 | 第74页 |
| 5.2 展望 | 第74-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 附录 | 第84页 |
