| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 缩略语对照表 | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 掠海无人机雷达隐身技术背景 | 第9-10页 |
| 1.2 无人机RCS国内外研究现状 | 第10-11页 |
| 1.3 粗糙海面和目标复合RCS研究现状 | 第11-14页 |
| 1.4 本课题主要研究内容与创新点 | 第14-16页 |
| 第2章 无人机RCS数值计算方法 | 第16-29页 |
| 2.1 雷达散射截面介绍 | 第16-18页 |
| 2.2 矩量法求解目标RCS | 第18-20页 |
| 2.2.1 电场积分方程 | 第18-19页 |
| 2.2.2 矩量法的实现过程 | 第19-20页 |
| 2.3 多层快速多极子法及其改进方法 | 第20-24页 |
| 2.3.1 多层快速多极子法的实现过程 | 第21-23页 |
| 2.3.2 改进多层快速多极子法 | 第23-24页 |
| 2.4 无人机RCS计算模型搭建和算法比较 | 第24-28页 |
| 2.4.1 某型掠海无人机RCS计算模型 | 第25-26页 |
| 2.4.2 无人机电磁计算模型相关参数 | 第26-27页 |
| 2.4.3 无人机RCS计算方法比较 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 无人机电磁散射特性分析 | 第29-39页 |
| 3.1 无人机RCS角域响应 | 第29-32页 |
| 3.1.1 无人机RCS方位角响应 | 第29-31页 |
| 3.1.2 无人机RCS俯仰角响应 | 第31-32页 |
| 3.2 无人机形状结构对其RCS的影响分析 | 第32-36页 |
| 3.2.1 不同前缘后掠角机翼电磁散射特性分析 | 第32-35页 |
| 3.2.2 不同布局类型尾翼电磁散射特性分析 | 第35-36页 |
| 3.3 无人机机体材料对其RCS的影响分析 | 第36-38页 |
| 3.3.1 吸波材料的特征参数 | 第36-37页 |
| 3.3.2 吸波材料对无人机RCS的影响分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于海情的掠海无人机RCS研究 | 第39-60页 |
| 4.1 不同海情下的二维粗糙海面建模 | 第39-44页 |
| 4.1.1 粗糙面的相关统计参数 | 第39-41页 |
| 4.1.2 PM谱 | 第41-42页 |
| 4.1.3 基于蒙特卡洛方法的二维粗糙海面模型 | 第42-44页 |
| 4.2 粗糙海面电磁散射特性分析 | 第44-51页 |
| 4.2.1 基于PO的粗糙海面RCS快速算法 | 第45-46页 |
| 4.2.2 算例分析 | 第46-49页 |
| 4.2.3 不同海情下海面电磁散射特性分析 | 第49-51页 |
| 4.3 计及海情对掠海无人机RCS的影响分析 | 第51-58页 |
| 4.3.1 基于FPM的PO-IMLFMA混合算法 | 第51-52页 |
| 4.3.2 算例分析 | 第52-54页 |
| 4.3.3 计及海情对掠海无人机双站RCS的影响分析 | 第54-56页 |
| 4.3.4 计及海情对掠海无人机单站RCS的影响分析 | 第56-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第5章 基于BP神经网络的掠海无人机RCS补偿方法 | 第60-71页 |
| 5.1 BP神经网络补偿算法 | 第60-64页 |
| 5.1.1 BP神经网络数学模型 | 第60-62页 |
| 5.1.2 BP神经网络学习算法 | 第62-64页 |
| 5.2 计及海情的掠海无人机RCS补偿方案 | 第64-70页 |
| 5.2.1 基于BP神经网络的掠海无人机RCS补偿模型 | 第64-66页 |
| 5.2.2 不同海情下的掠海无人机RCS补偿结果 | 第66-69页 |
| 5.2.3 补偿误差分析 | 第69-70页 |
| 5.3 本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 研究总结 | 第71-72页 |
| 6.2 工作展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 在读期间发表的学术论文及研究成果 | 第78-79页 |
| 致谢 | 第79页 |
