| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 符号对照表 | 第13-15页 |
| 缩略语对照表 | 第15-19页 |
| 第一章 绪论 | 第19-29页 |
| ·雷达自动目标识别综述 | 第19-22页 |
| ·雷达自动目标识别基本概念 | 第19-20页 |
| ·雷达自动目标识别关键问题 | 第20-21页 |
| ·雷达自动目标识别的分类 | 第21-22页 |
| ·微多普勒效应在雷达自动目标识别中的应用 | 第22-24页 |
| ·利用目标微多普勒效应进行参数估计 | 第23页 |
| ·利用目标微多普勒效应进行特征提取 | 第23-24页 |
| ·窄带雷达空中飞机目标分类的意义和关键问题 | 第24-26页 |
| ·窄带雷达空中飞机目标分类的意义和研究现状 | 第24-25页 |
| ·窄带雷达空中飞机目标分类的关键问题 | 第25-26页 |
| ·研究内容安排 | 第26-29页 |
| 第二章 目标微多普勒特性分析 | 第29-41页 |
| ·引言 | 第29-30页 |
| ·飞机目标多普勒特性分析 | 第30-35页 |
| ·飞机旋翼的理论模型 | 第30-33页 |
| ·飞机目标多普勒调制 | 第33-35页 |
| ·地面运动目标多普勒特性分析 | 第35-37页 |
| ·噪声分量分析 | 第37-40页 |
| ·噪声特性分析 | 第37-39页 |
| ·实测数据信噪比估计方法 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 基于EMD-CLEAN的噪声稳健空中目标分类算法 | 第41-61页 |
| ·引言 | 第41-42页 |
| ·经验模态分解及对实测数据的分解结果 | 第42-45页 |
| ·经验模态分解 | 第42-43页 |
| ·实测数据的EMD分解结果 | 第43-45页 |
| ·CLEAN算法及对实测数据的分解结果 | 第45-47页 |
| ·CLEAN算法 | 第45-46页 |
| ·实测数据的CLEAN分解结果 | 第46-47页 |
| ·基于EMD-CLEAN的噪声稳健空中目标分类算法 | 第47-58页 |
| ·噪声抑制预处理 | 第48-50页 |
| ·基于EMD-CLEAN的特征提取和目标分类 | 第50-54页 |
| ·实验结果 | 第54-58页 |
| ·本章小结 | 第58-61页 |
| 第四章 基于贝塔先验概率主成分分析模型的窄带雷达回波噪声抑制方法 | 第61-87页 |
| ·引言 | 第61页 |
| ·贝塔过程主成分分析 | 第61-64页 |
| ·主成分分析 | 第61-62页 |
| ·贝塔过程主成分分析 | 第62-64页 |
| ·变分贝叶斯推导 | 第64-72页 |
| ·期望最大算法和变分贝叶斯期望最大算法 | 第64-69页 |
| ·BP-PCA模型的变分贝叶斯推导 | 第69-72页 |
| ·仿真实验 | 第72-76页 |
| ·基于实测数据的实验结果 | 第76-85页 |
| ·实测数据介绍 | 第76页 |
| ·基于飞机目标实测数据的实验结果： | 第76-81页 |
| ·基于地面运动目标实测数据的实验结果 | 第81-85页 |
| ·本章小结 | 第85-87页 |
| 第五章 样本缺失窄带雷达信号重构算法 | 第87-111页 |
| ·引言 | 第87页 |
| ·现有方法介绍 | 第87-90页 |
| ·压缩感知(Compressive Sensing，CS) | 第88-89页 |
| ·统计压缩感知(Statistic Compressive Sensing, SCS) | 第89-90页 |
| ·基于复高斯模型的样本缺失窄带雷达信号重构算法 | 第90-95页 |
| ·模型建立 | 第90-92页 |
| ·VBEM算法 | 第92-95页 |
| ·基于复因子分析模型的样本缺失窄带雷达信号重构算法 | 第95-100页 |
| ·模型建立 | 第97页 |
| ·VBEM算法 | 第97-100页 |
| ·实验结果 | 第100-109页 |
| ·实测数据介绍 | 第100-101页 |
| ·随机缺失实验 | 第101-104页 |
| ·固定分段缺失实验 | 第104-106页 |
| ·ARD-FA方法定阶性能分析 | 第106-109页 |
| ·本章小节 | 第109-111页 |
| 第六章 总结与展望 | 第111-115页 |
| ·论文工作总结 | 第111-113页 |
| ·工作展望 | 第113-115页 |
| 参考文献 | 第115-128页 |
| 致谢 | 第128-130页 |
| 作者简介 | 第130-132页 |
