| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-6页 |
| 第一章 绪论 | 第6-9页 |
| 1．1 课题的研究背景 | 第6-7页 |
| 1．2 当前方法介绍 | 第7-8页 |
| 1．3 本文的研究内容 | 第8-9页 |
| 第二章 最大后验概率方法—Viterbi算法 | 第9-29页 |
| 2．1 HMM基本理论介绍 | 第9-12页 |
| 2．1．1 Markov链 | 第9-10页 |
| 2．1．2 HMM基本定义及概念 | 第10-12页 |
| 2．2 贝叶斯方法 | 第12-14页 |
| 2．3 最大后验方法—Viterbi算法 | 第14-17页 |
| 2．3．1 Viterbi算法理论 | 第14-15页 |
| 2．3．2 Viterbi算法在目标跟踪滤波中的应用 | 第15-17页 |
| 2．4 算法仿真与结果分析 | 第17-21页 |
| 2．5 干扰条件下的滤波 | 第21-29页 |
| 2．5．1 算法描述 | 第21-25页 |
| 2．5．2 仿真结果 | 第25-28页 |
| 2．5．3 结论 | 第28-29页 |
| 第三章 基于小波变换的机动目标跟踪算法研究 | 第29-42页 |
| 3．1 小波变换和多分辨分析的概念 | 第29-32页 |
| 3．1．1 小波分析的定义 | 第29-30页 |
| 3．1．2 多分辨分析的定义 | 第30-32页 |
| 3．2 Mallat塔式分解与重构算法 | 第32-35页 |
| 3．2．1 Mallat算法的理论推导 | 第32-34页 |
| 3．2．2 Mallat算法的应用 | 第34-35页 |
| 3．3 基于小波变换的多分辨分析滤波方法 | 第35-42页 |
| 3．3．1 区间Kalman滤波 | 第36-37页 |
| 3．3．2 算法结构 | 第37-38页 |
| 3．3．3 多分辨率测量数据结构 | 第38页 |
| 3．3．4 数据融合 | 第38-39页 |
| 3．3．5 仿真结果及分析 | 第39-42页 |
| 第四章 贝叶斯自主（Bootstrap）滤波方法 | 第42-48页 |
| 4．1 递归式贝叶斯估计 | 第42-43页 |
| 4．2 自主滤波算法 | 第43-44页 |
| 4．3 仿真结果及分析 | 第44-47页 |
| 4．3．1 非线性观测情况下的仿真 | 第44-46页 |
| 4．3．2 非高斯观测噪声情况下的仿真 | 第46-47页 |
| 4．3．3 仿真结果分析 | 第47页 |
| 4．4 结论 | 第47-48页 |
| 第五章 电子战条件下雷达功能仿真模型 | 第48-60页 |
| 5．1 雷达功能仿真的基本方法 | 第49-53页 |
| 5．1．1 无干扰条件下雷达的功能仿真 | 第49-52页 |
| 5．1．2 干扰条件下雷达的功能仿真模型 | 第52-53页 |
| 5．2 干扰模型 | 第53-57页 |
| 5．2．1 自卫式噪声干扰 | 第53页 |
| 5．2．2 远距离支援干扰 | 第53-54页 |
| 5．2．3 转发式干扰 | 第54-55页 |
| 5．2．4 应答式干扰 | 第55-56页 |
| 5．2．5 无源干扰 | 第56-57页 |
| 5．3 隐身目标模型 | 第57页 |
| 5．4 目标运动模型 | 第57-60页 |
| 第六章 总结 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-63页 |