| 创新点摘要 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 雷达的灵敏度时间控制 | 第12-13页 |
| 1.3 海面小目标的检测 | 第13-16页 |
| 1.4 目标跟踪方法 | 第16-18页 |
| 1.5 本文的结构安排 | 第18-21页 |
| 第2章 基础知识 | 第21-35页 |
| 2.1 实测海杂波特性分析 | 第21-26页 |
| 2.2 数据相关性和独立性 | 第26-29页 |
| 2.3 海杂波的模型 | 第29-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 自适应偏置时间控制 | 第35-49页 |
| 3.1 传统的灵敏度时间控制方法 | 第35-38页 |
| 3.2 基于神经网络预测的OTC | 第38-42页 |
| 3.2.1 径向基神经网络 | 第39-41页 |
| 3.2.2 基于径向基函数神经网络预测的OTC | 第41-42页 |
| 3.3 基于线性预测的OTC | 第42-47页 |
| 3.3.1 线性预测的定义和参数的确定 | 第42-45页 |
| 3.3.2 基于线性预测的OTC | 第45-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 海面漂浮小目标的检测 | 第49-79页 |
| 4.1 基于神经网络集成的目标检测方法 | 第49-55页 |
| 4.1.1 神经网络目标检测方法 | 第49-50页 |
| 4.1.2 神经网络集成目标检测方法 | 第50-52页 |
| 4.1.3 实验及结果 | 第52-55页 |
| 4.2 基于递归最小二乘的线性预测目标检测方法 | 第55-63页 |
| 4.2.1 线性预测目标检测方法 | 第55-59页 |
| 4.2.2 基于递归最小二乘线性预测的目标检测方法 | 第59-63页 |
| 4.2.3 实验及结果 | 第63页 |
| 4.3 改进的分形检测小目标方法 | 第63-77页 |
| 4.3.1 海杂波的分形特性 | 第64-73页 |
| 4.3.2 改进的分形检测小目标方法 | 第73-75页 |
| 4.3.3 实验及结果 | 第75-77页 |
| 4.4 本章小结 | 第77-79页 |
| 第5章 目标跟踪 | 第79-93页 |
| 5.1 目标运动模型和量测模型 | 第79-81页 |
| 5.2 卡尔曼滤波算法 | 第81-82页 |
| 5.3 交互式多模型滤波算法 | 第82-85页 |
| 5.4 样条拟合滤波算法 | 第85-89页 |
| 5.5 仿真实验 | 第89-92页 |
| 5.6 本章小结 | 第92-93页 |
| 结论 | 第93-95页 |
| 参考文献 | 第95-107页 |
| 附录缩略词 | 第107-108页 |
| 攻读学位期间公开发表论文 | 第108-109页 |
| 致谢 | 第109-110页 |
| 作者简介 | 第110页 |