| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 空间目标识别的背景 | 第13-14页 |
| 1.2 空间目标识别的研究现状 | 第14-15页 |
| 1.3 本文的主要内容和结构安排 | 第15-21页 |
| 1.3.1 数据介绍 | 第15-19页 |
| 1.3.2 内容安排 | 第19-21页 |
| 第二章 空间目标高分辨距离像识别方法 | 第21-37页 |
| 2.1 引言 | 第21页 |
| 2.2 基于贝叶斯稀疏表示的高分辨距离像去噪方法 | 第21-26页 |
| 2.3 结合姿态角信息的目标识别方法 | 第26-28页 |
| 2.3.1 传统的自适应高斯分类器（AGC）介绍 | 第26-27页 |
| 2.3.2 结合姿态角信息的AGC算法 | 第27-28页 |
| 2.4 仿真实验和分析 | 第28-36页 |
| 2.4.1 去噪算法重构性能分析 | 第28-30页 |
| 2.4.2 去噪算法性能分析 | 第30-31页 |
| 2.4.3 去噪对识别率的影响分析 | 第31-33页 |
| 2.4.4 姿态角信息对识别性能的影响 | 第33-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 空间圆台目标的微多普勒频率提取与参数估计 | 第37-59页 |
| 3.1 引言 | 第37页 |
| 3.2 空间圆台目标建模及微动特性分析 | 第37-41页 |
| 3.2.1 圆台目标等效散射点模型 | 第37-39页 |
| 3.2.2 圆台目标进动时的理论微多普勒曲线 | 第39-41页 |
| 3.3 基于调频RELAX算法的微多普勒曲线提取方法 | 第41-42页 |
| 3.3.1 调频Relax算法 | 第41-42页 |
| 3.3.2 随机抽样一致性算法 | 第42页 |
| 3.4 基于广义参数化时频分析的微多普勒曲线提取方法 | 第42-46页 |
| 3.4.1 广义参数化时频分析方法 | 第42-43页 |
| 3.4.2 变换核参数的初始化 | 第43-44页 |
| 3.4.3 锥旋频率的估计 | 第44-45页 |
| 3.4.4 多分量信号分解 | 第45页 |
| 3.4.5 微多普勒曲线提取 | 第45-46页 |
| 3.5 结合弹道信息的空间圆台目标参数估计 | 第46-49页 |
| 3.6 仿真实验和分析 | 第49-57页 |
| 3.6.1 散射点时频曲线提取实验 | 第49-52页 |
| 3.6.2 噪声稳健性 | 第52页 |
| 3.6.3 参数估计实验 | 第52-54页 |
| 3.6.4 对比基于调频Relax算法的时频曲线提取方法 | 第54-57页 |
| 3.7 本章小结 | 第57-59页 |
| 第四章 结束语 | 第59-61页 |
| 4.1 全文内容总结 | 第59页 |
| 4.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 作者简介 | 第67-68页 |
