| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 STAP技术的研究现状 | 第12-15页 |
| 1.3 本文工作安排 | 第15-17页 |
| 第二章 STAP基本原理和信号模型 | 第17-33页 |
| 2.1 引言 | 第17-18页 |
| 2.2 STAP信号模型 | 第18-24页 |
| 2.2.1 目标模型 | 第18-22页 |
| 2.2.2 杂波模型 | 第22-23页 |
| 2.2.3 人为干扰模型 | 第23-24页 |
| 2.2.4 噪声模型 | 第24页 |
| 2.3 STAP算法的基本原理和权值计算 | 第24-29页 |
| 2.3.1 STAP算法基本原理 | 第24-26页 |
| 2.3.2 自适应权值计算与最优处理器 | 第26-27页 |
| 2.3.3 样本矩阵逆的方法 | 第27-28页 |
| 2.3.4 信号干扰加噪声功率比 | 第28-29页 |
| 2.3.5 最优处理器的限制 | 第29页 |
| 2.4 仿真和分析 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于GSBL的STAP方法研究 | 第33-46页 |
| 3.1 引言 | 第33页 |
| 3.2 测量矩阵的构建与杂波表示 | 第33-34页 |
| 3.3 基于SBL的STAP方法 | 第34-38页 |
| 3.3.1 SBL的基本原理 | 第34-36页 |
| 3.3.2 基于SBL的STAP方法 | 第36-38页 |
| 3.4 基于GSBL的STAP方法 | 第38-43页 |
| 3.4.1 GSBL的基本原理 | 第38-40页 |
| 3.4.2 基于GSBL的STAP方法 | 第40-43页 |
| 3.5 仿真分析 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于模式分类的STAP方法研究 | 第46-64页 |
| 4.1 引言 | 第46页 |
| 4.2 训练数据和目标矩阵的构建 | 第46-50页 |
| 4.2.1 训练数据的构建 | 第47-49页 |
| 4.2.2 目标矩阵的构建 | 第49-50页 |
| 4.3 基于模式分类的STAP方法 | 第50-57页 |
| 4.3.1 线性最小二乘方法 | 第50-52页 |
| 4.3.2 二项式方法 | 第52-55页 |
| 4.3.3 Adaboost方法 | 第55-57页 |
| 4.4 仿真分析 | 第57-63页 |
| 4.4.1 相同条件下各种方法的仿真结果 | 第58-60页 |
| 4.4.2 动目标能量对仿真结果的影响 | 第60-62页 |
| 4.4.3 基于GSBL的STAP方法和基于模式分类的STAP方法比较 | 第62-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 本文工作总结 | 第64-65页 |
| 5.2 未来工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间取得的成果 | 第71-72页 |