| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究目的和意义 | 第9-10页 |
| ·无源毫米波成像系统研究动态 | 第10-11页 |
| ·微弱运动目标检测研究现状 | 第11-13页 |
| ·微弱运动目标关键技术热点 | 第13页 |
| ·本文主要工作 | 第13-15页 |
| 第二章 毫米波无源成像背景噪声模型与图像背景预处理技术分析 | 第15-25页 |
| ·黑体辐射理论 | 第15-16页 |
| ·毫米波无源辐射计背景噪声模型分析 | 第16-19页 |
| ·毫米波无源成像噪声分析 | 第16-18页 |
| ·实际毫米波无源图像背景噪声模型 | 第18-19页 |
| ·毫米波图像背景抑制预处理技术 | 第19-23页 |
| ·毫米波图像背景抑制预处理技术简介 | 第19-20页 |
| ·预处理算法仿真前实验图像样本 | 第20-21页 |
| ·高通滤波结果 | 第21页 |
| ·自适应维纳滤波结果 | 第21-22页 |
| ·中值滤波结果 | 第22页 |
| ·形态学滤波结果 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 毫米波无源成像微弱目标的动态规划检测算法研究 | 第25-57页 |
| ·毫米波无源成像微弱运动目标检测难点 | 第25页 |
| ·先跟踪后检测(TBD)检测算法简介 | 第25-26页 |
| ·多帧检测的必要性 | 第26-27页 |
| ·经典的微弱运动目标检测算法研究 | 第27-32页 |
| ·时空域匹配滤波器（Spatial-Temporal Matched Filters） | 第27-28页 |
| ·高阶相关方法（High Order Correlation Method） | 第28页 |
| ·递推贝叶斯滤波（Recursive Bayesian Filters） | 第28-29页 |
| ·动态规划算法（Dynamic Programming Algorithm,DPA） | 第29-30页 |
| ·多阶假设检验（Multistage Hypothesis Testing，MSHT） | 第30页 |
| ·上述算法的性能比较 | 第30-32页 |
| ·动态规划在毫米波无源微弱运动目标检测中的基本原理及应用 | 第32-39页 |
| ·动态规划算法详细阐述 | 第32-33页 |
| ·动态规划算法在TBD 检测中的应用 | 第33-35页 |
| ·微弱运动目标动态规划能量积累模型 | 第35-36页 |
| ·动态规划检测算法的实现流程及步骤 | 第36-38页 |
| ·检测门限的改进研究 | 第38-39页 |
| ·传统动态规划算法仿真结果及分析 | 第39-41页 |
| ·去团聚动态规划算法原理及仿真结果 | 第41-47页 |
| ·采用服从理想目标背景模型的合成图像验证动态规划算法 | 第42-45页 |
| ·毫米波无源实际成像序列图像样本 | 第45-47页 |
| ·引入多级假设检验思路的改进DPA 算法 | 第47-54页 |
| ·多级假设检验方法概述 | 第47-48页 |
| ·引入多级假设检验方法的改进DPA | 第48-49页 |
| ·改进DP 检测算法仿真结果及相关分析 | 第49-52页 |
| ·毫米波无源实际成像序列图像样本 | 第52-54页 |
| ·TBD 检测性能分析 | 第54-56页 |
| ·传统高斯近似分布的检测概率推导 | 第54-55页 |
| ·极值理论EVT（Extrem Value Theory） | 第55页 |
| ·p_d 和p_（fa） 的计算 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 基于状态稳定性的动态规划能量累积算法研究 | 第57-66页 |
| ·传统动态规划算法中的固有缺陷 | 第57-58页 |
| ·引入状态稳定性的动态规划算法研究 | 第58-61页 |
| ·回顾动态规划能量累积模型 | 第58页 |
| ·基于状态稳定性的动态规划算法 | 第58-60页 |
| ·算法实现及流程 | 第60-61页 |
| ·基于状态稳定性的动态规划目标检测算法仿真结果 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 结束语 | 第66-68页 |
| ·本文工作总结 | 第66-67页 |
| ·本文工作展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间的研究成果 | 第72-73页 |
