| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及研究意义 | 第10-11页 |
| 1.2 认知雷达中自适应算法的应用 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 本文的主要工作安排 | 第13-15页 |
| 第二章 认知雷达体系结构及相关理论 | 第15-31页 |
| 2.1 认知雷达基本体系及工作原理 | 第15-19页 |
| 2.1.1 认知雷达的基本组成 | 第16-17页 |
| 2.1.2 认知雷达的认知能力与自适应能力 | 第17-19页 |
| 2.2 认知雷达的回波模型及杂波环境 | 第19-26页 |
| 2.2.1 雷达目标回波模型 | 第20页 |
| 2.2.2 雷达杂波分布模型 | 第20-24页 |
| 2.2.3 仿真分析 | 第24-26页 |
| 2.3 认知雷达自适应波形选择理论 | 第26-30页 |
| 2.3.1 动态规划理论 | 第26-27页 |
| 2.3.2 自适应波形选择模型 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 雷达经典检测算法和传统自适应算法的研究 | 第31-49页 |
| 3.1 认知雷达目标检测算法的研究 | 第31-34页 |
| 3.1.1 经典的目标检测方法 | 第31-33页 |
| 3.1.2 仿真分析 | 第33-34页 |
| 3.2 基于样本信息累积的目标检测算法 | 第34-39页 |
| 3.2.1 信息累积分布函数及检测准则 | 第34-36页 |
| 3.2.2 算法分析 | 第36-38页 |
| 3.2.3 仿真分析 | 第38-39页 |
| 3.3 传统自适应波形选择算法 | 第39-47页 |
| 3.3.1 动态规划算法的研究 | 第39-44页 |
| 3.3.2 迭代步长可变的Q学习算法 | 第44-46页 |
| 3.3.3 仿真分析 | 第46-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第四章 面向低截获性能的自适应波形优化算法 | 第49-67页 |
| 4.1 雷达波形低截获性能与模糊函数 | 第49-54页 |
| 4.1.1 雷达截获因子及其参数分析 | 第50-53页 |
| 4.1.2 模糊函数及其在低截获波形选择优化中的应用 | 第53-54页 |
| 4.2 面向低截获性能的波形优化算法 | 第54-61页 |
| 4.2.1 低截获设计的基本信号 | 第54-59页 |
| 4.2.2 面向低截获性能的波形优化算法 | 第59-61页 |
| 4.3 仿真分析 | 第61-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 基于波形参数自适应选择的波形优化算法 | 第67-79页 |
| 5.1 波形参数优化的基本原理 | 第67-69页 |
| 5.1.1 雷达目标回波与环境杂波特性分析 | 第68页 |
| 5.1.2 雷达回波中的参数估计 | 第68-69页 |
| 5.2 波形参数自适应调整的波形优化算法 | 第69-75页 |
| 5.2.1 信号的信干噪比和能量谱密度 | 第69-72页 |
| 5.2.2 SINR与波形参数关系的建立 | 第72-74页 |
| 5.2.3 波形参数自适应选择的优化算法 | 第74-75页 |
| 5.3 仿真分析 | 第75-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第六章 结束语 | 第79-81页 |
| 6.1 本文总结 | 第79-80页 |
| 6.2 工作展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 攻读硕士期间所获成果 | 第85-86页 |