| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究动态 | 第11-12页 |
| 1.3 本文主要工作 | 第12页 |
| 1.4 内容安排 | 第12-14页 |
| 第二章 毫米波段电力线电磁散射特性分析 | 第14-25页 |
| 2.1 电力线物理结构 | 第14-15页 |
| 2.2 电力线RCS计算 | 第15-18页 |
| 2.2.1 电力线无限长导体圆柱体模型 | 第15-16页 |
| 2.2.2 Bragg散射现象 | 第16-17页 |
| 2.2.3 电力线实际RCS计算 | 第17-18页 |
| 2.3 电力线RCS仿真实验 | 第18-19页 |
| 2.3.1 电力线RCS仿真结果 | 第18-19页 |
| 2.3.2 仿真结果分析 | 第19页 |
| 2.4 机载PD雷达地面杂波分析 | 第19-24页 |
| 2.4.1 机载PD雷达地杂波统计特性 | 第19-21页 |
| 2.4.2 地杂波背景下电力线后向散射特性分析 | 第21-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于跟踪滤波电力线检测方法研究 | 第25-42页 |
| 3.1 跟踪滤波数据预处理 | 第25-29页 |
| 3.1.1 脉冲压缩 | 第25-27页 |
| 3.1.2 脉间积累 | 第27-28页 |
| 3.1.3 CFAR检测 | 第28-29页 |
| 3.2 基于跟踪算法的电力线检测 | 第29-35页 |
| 3.2.1 电力线回波模型 | 第29-31页 |
| 3.2.2 电力线目标跟踪滤波方法 | 第31-33页 |
| 3.2.3 ab滤波处理 | 第33-34页 |
| 3.2.4 kalman滤波处理 | 第34-35页 |
| 3.3 仿真和性能分析 | 第35-40页 |
| 3.3.1 ab滤波方法仿真 | 第36-38页 |
| 3.3.2 kalman滤波方法仿真 | 第38-40页 |
| 3.4 实测数据分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于单脉冲测角对电力线检测方法研究 | 第42-54页 |
| 4.1 相位和差单脉冲测角原理 | 第42-43页 |
| 4.2 电力线和杂波直线在单脉冲测角下的角度差异 | 第43-45页 |
| 4.3 信杂比对测角精度的影响 | 第45-46页 |
| 4.4 信噪比对测角精度的影响 | 第46-50页 |
| 4.5 实测数据分析 | 第50-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 分类算法对电力线的检测 | 第54-78页 |
| 5.1 支持向量机算法简介 | 第54-58页 |
| 5.1.1 最优分类面 | 第54-57页 |
| 5.1.2 核函数 | 第57-58页 |
| 5.2 神经网络算法介绍 | 第58-60页 |
| 5.3 地杂波参数估计 | 第60-67页 |
| 5.3.1 几何算术平均分布估计 | 第60-61页 |
| 5.3.2 最大似然估计 | 第61-62页 |
| 5.3.3 最小二乘估计 | 第62-63页 |
| 5.3.4 矩估计 | 第63-64页 |
| 5.3.5 四种参数估计算法性能比较 | 第64-67页 |
| 5.4 电力线特征向量提取 | 第67-71页 |
| 5.5 监督学习分类算法在地杂波背景下对电力线检测效果分析 | 第71-74页 |
| 5.5.1 支持向量机分类 | 第71-72页 |
| 5.5.2 BP神经网络分类 | 第72-74页 |
| 5.6 聚类算法简介 | 第74-75页 |
| 5.7 k-means算法在地杂波背景下对电力线检测效果分析 | 第75-77页 |
| 5.8 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 本文工作总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士学位期间的研究成果 | 第84页 |