| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状及发展态势 | 第11-16页 |
| 1.2.1 共形阵的阵列综合技术 | 第11-14页 |
| 1.2.2 共形阵的波束形成技术 | 第14页 |
| 1.2.3 共形阵的阵元故障诊断技术 | 第14-16页 |
| 1.3 主要内容及结构安排 | 第16-18页 |
| 第二章 优化算法简介 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 遗传算法简介 | 第18-20页 |
| 2.2.1 遗传算法的机理 | 第18-19页 |
| 2.2.2 遗传算法的特性 | 第19页 |
| 2.2.3 遗传算法的操作步骤 | 第19-20页 |
| 2.3 稀疏贝叶斯学习简介 | 第20-26页 |
| 2.3.1 贝叶斯理论 | 第21-23页 |
| 2.3.2 基于相关向量机的稀疏贝叶斯学习 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 共形阵的稀布优化技术研究 | 第27-48页 |
| 3.1 引言 | 第27页 |
| 3.2 共形阵接收方向图的分析 | 第27-36页 |
| 3.2.1 方向图的乘积原理 | 第27-28页 |
| 3.2.2 共形阵接收方向图的计算方法 | 第28-30页 |
| 3.2.3 仿真实验与分析 | 第30-36页 |
| 3.3 遗传算法在半球阵稀布优化中的应用 | 第36-47页 |
| 3.3.1 优化布阵的模型 | 第36-37页 |
| 3.3.2 优化参量的编码及适应度函数的构造 | 第37-38页 |
| 3.3.3 初始种群的创建 | 第38-42页 |
| 3.3.4 染色体的选择 | 第42页 |
| 3.3.5 交叉与变异 | 第42-43页 |
| 3.3.6 仿真实验与分析 | 第43-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 共形阵的稳健波束形成研究 | 第48-65页 |
| 4.1 引言 | 第48页 |
| 4.2 任意阵列的窄带接收信号模型 | 第48-50页 |
| 4.3 波束形成的基本原理 | 第50-51页 |
| 4.4 最佳波束优化准则 | 第51-54页 |
| 4.4.1 最小方差无失真响应准则 | 第51-52页 |
| 4.4.2 最小均方误差准则 | 第52-53页 |
| 4.4.3 最大信噪比准则 | 第53-54页 |
| 4.4.4 线性约束最小方差准则 | 第54页 |
| 4.5 稳健的Capon类波束形成算法 | 第54-57页 |
| 4.5.1 基于不确定集的稳健Capon算法 | 第54-55页 |
| 4.5.2 稳健的迭代最小方差波束形成算法 | 第55-57页 |
| 4.6 基于导向矢量迭代矫正的稀疏稳健波束形成算法 | 第57-59页 |
| 4.7 仿真实验与分析 | 第59-64页 |
| 4.8 本章小结 | 第64-65页 |
| 第五章 基于稀疏贝叶斯学习的共形阵列故障诊断算法 | 第65-78页 |
| 5.1 引言 | 第65页 |
| 5.2 阵列的近场测量 | 第65-67页 |
| 5.3 稀疏贝叶斯学习在共形阵列诊断的应用 | 第67-72页 |
| 5.3.1 激励向量的稀疏表示 | 第67-68页 |
| 5.3.2 基于SBL的激励向量重构 | 第68-71页 |
| 5.3.3 算法操作流程 | 第71-72页 |
| 5.4 仿真实验与分析 | 第72-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 总结及展望 | 第78-80页 |
| 6.1 全文总结 | 第78-79页 |
| 6.2 未来展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87-88页 |