| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-14页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景 | 第14页 |
| 1.2 研究目的和意义 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.4 本文的工作基础 | 第17页 |
| 1.5 本文的主要工作及结构 | 第17-19页 |
| 第二章 雷达信号的恒虚警检测 | 第19-35页 |
| 2.1 雷达自动检测理论 | 第19-20页 |
| 2.2 恒虚警检测模型 | 第20-27页 |
| 2.2.1 ML-CFAR检测器 | 第20-26页 |
| 2.2.2 OS-CFAR检测器 | 第26-27页 |
| 2.3 仿真结果性能比较 | 第27-32页 |
| 2.3.1 均匀背景下不同CFAR检测器性能分析 | 第27-29页 |
| 2.3.2 多目标背景下的CFAR检测器性能分析 | 第29-30页 |
| 2.3.3 杂波边缘背景下的CFAR检测器性能分析 | 第30-32页 |
| 2.4 神经网络在信号处理的应用 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 NN-CFAR信号检测器 | 第35-48页 |
| 3.1 NN-CFAR信号检测器结构 | 第35-36页 |
| 3.2 NN-CFAR信号检测器训练算法 | 第36-39页 |
| 3.2.1 单层神经网络训练算法 | 第36-37页 |
| 3.2.2 杂波背景识别网络训练算法 | 第37-39页 |
| 3.3 NN-CFAR信号检测器的训练 | 第39-42页 |
| 3.3.1 单层神经网络训练结构及训练数据 | 第40-41页 |
| 3.3.2 杂波背景识别网络结构及训练数据 | 第41-42页 |
| 3.4 NN-CFAR信号检测器仿真结果 | 第42-47页 |
| 3.4.1 单层神经网络仿真结果 | 第42-43页 |
| 3.4.2 杂波背景识别网络仿真结果 | 第43-45页 |
| 3.4.3 NN-CFAR信号检测器在不同背景下的仿真结果 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 BMLP-TP信号检测器 | 第48-55页 |
| 4.1 BMLP-TP信号检测器结构 | 第48页 |
| 4.2 门限检测网络训练参数及数据 | 第48-51页 |
| 4.3 仿真研究结果 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 神经网络信号检测器在实际情况中的应用 | 第55-62页 |
| 5.1 引言 | 第55页 |
| 5.2 雷达实测数据采集系统 | 第55-57页 |
| 5.2.1 数据采集系统模块简介 | 第55-56页 |
| 5.2.2 数据采集场景介绍 | 第56-57页 |
| 5.3 实测数据目标检测结果验证 | 第57-61页 |
| 5.3.1 A/D数据预处理 | 第57-60页 |
| 5.3.2 实测数据目标验证仿真结果 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 论文工作总结 | 第62页 |
| 6.2 课题研究展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 在学期间研究成果及发表的学术论文 | 第69页 |