| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 课题研究背景 | 第11-16页 |
| 1.1.1 MIMO 雷达研究背景 | 第11-13页 |
| 1.1.2 极化分集 | 第13页 |
| 1.1.3 群智能优化算法 | 第13-15页 |
| 1.1.4 随机矩阵理论 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 MIMO 雷达目标检测研究现状 | 第16-18页 |
| 1.2.2 极化 MIMO 雷达研究现状 | 第18-19页 |
| 1.2.3 随机矩阵研究现状 | 第19页 |
| 1.3 本文研究意义 | 第19-20页 |
| 1.4 本文研究内容及章节安排 | 第20-23页 |
| 第2章 基础知识 | 第23-29页 |
| 2.1 极化分集相关基础知识 | 第23-24页 |
| 2.1.1 极化与极化分集的概念 | 第23页 |
| 2.1.2 极化的分类 | 第23页 |
| 2.1.3 完全极化波与 Jones 矢量 | 第23-24页 |
| 2.2 数学相关基础知识 | 第24-28页 |
| 2.2.1 概率论 | 第24-25页 |
| 2.2.2 矩阵论 | 第25-26页 |
| 2.2.3 随机矩阵 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 复高斯杂波背景下极化 MIMO 雷达目标检测算法 | 第29-41页 |
| 3.1 极化 MIMO 雷达模型 | 第29-31页 |
| 3.2 算法研究 | 第31-34页 |
| 3.2.1 检测模型 | 第31-33页 |
| 3.2.2 极化矩阵设计 | 第33-34页 |
| 3.3 仿真结果和分析 | 第34-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 基于萤火虫群优化的极化 MIMO 雷达目标检测算法 | 第41-47页 |
| 4.1 信号模型和检测器 | 第41页 |
| 4.2 基于 GSO 算法的极化矩阵设计 | 第41-43页 |
| 4.2.1 GSO 算法的仿生学原理 | 第41页 |
| 4.2.2 算法描述 | 第41-42页 |
| 4.2.3 算法实现 | 第42-43页 |
| 4.3 算法仿真 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于随机矩阵理论的双基地 MIMO 雷达目标盲检测算法 | 第47-61页 |
| 5.1 双基地 MIMO 雷达信号模型 | 第47-48页 |
| 5.2 基于随机矩阵理论的 MIMO 雷达单目标盲检测算法 | 第48-56页 |
| 5.2.1 条件数检测算法 | 第49-51页 |
| 5.2.2 广义似然比检测算法 | 第51-53页 |
| 5.2.3 仿真实验 | 第53-56页 |
| 5.3 基于随机矩阵理论的 MIMO 雷达多目标盲检测算法 | 第56-59页 |
| 5.3.1 目标个数检测算法流程 | 第56-58页 |
| 5.3.2 仿真实验 | 第58-59页 |
| 5.3.4 结果分析 | 第59页 |
| 5.4 本章小结 | 第59-61页 |
| 第6章 总结与展望 | 第61-65页 |
| 6.1 全文总结 | 第61-63页 |
| 6.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-75页 |
| 导师及作者简介 | 第75-76页 |
| 攻读硕士期间的研究成果 | 第76-77页 |
| 致谢 | 第77页 |
