| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-20页 |
| ·引言 | 第11页 |
| ·雷达成像技术发展与研究现状 | 第11-13页 |
| ·雷达成像算法与谱估计 | 第13-16页 |
| ·基于高阶累计量的谐波恢复 | 第16-17页 |
| ·雷达目标高分辨距离像 | 第17-18页 |
| ·本文的主要研究工作及章节安排 | 第18-20页 |
| 第2章 经典谱估计方法 | 第20-27页 |
| ·引言 | 第20页 |
| ·周期图谱估计 | 第20-24页 |
| ·周期图谱估计方法的性能分析 | 第21-23页 |
| ·平均周期图谱估计方法 | 第23-24页 |
| ·谐波恢复中的周期图谱估计分析与仿真 | 第24-26页 |
| ·经典谱估计方法的特点 | 第26-27页 |
| 第3章 超分辨谱估计方法 | 第27-39页 |
| ·基于AR模型谱估计方法 | 第27-31页 |
| ·AR模型原理 | 第27-29页 |
| ·AR模型谱估计实验仿真结果 | 第29-30页 |
| ·小结 | 第30-31页 |
| ·基于样本相关矩阵特征分解的谐波恢复方法 | 第31-38页 |
| ·谐波信号模型与样本相关矩阵特征分解法 | 第31-33页 |
| ·MUSIC方法 | 第33-35页 |
| ·MUSIC算法谐波恢复方法仿真 | 第35-36页 |
| ·PISARENKO方法 | 第36-37页 |
| ·PISARENKO算法谐波恢复方法仿真结果 | 第37页 |
| ·MUSIC法与PISARENKO法小结 | 第37-38页 |
| ·超分辨算法总结 | 第38-39页 |
| 第4章 基于高阶累积量最优加窗曲面积分的谱估计方法 | 第39-53页 |
| ·引言 | 第39页 |
| ·高阶累积量及其性质 | 第39-45页 |
| ·高阶矩与高阶累积量的定义 | 第40-41页 |
| ·高斯信号的高阶矩和高阶累积量 | 第41-43页 |
| ·四阶累积量的公式表达 | 第43-45页 |
| ·小样本四阶累积量及其存在的问题 | 第45-47页 |
| ·一种新的高阶统计量：四阶累积量的最优加窗曲面积分 | 第47-50页 |
| ·实验仿真结果 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第5章 基于噪声功率补偿的限带最小二乘谱估计方法 | 第53-60页 |
| ·引言 | 第53页 |
| ·基于限带外推准则的最小二乘谱估计算法 | 第53-57页 |
| ·实验仿真结果 | 第57-59页 |
| ·小结 | 第59-60页 |
| 总结与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 附录A 攻读学位期间发表的论文 | 第66页 |