現(xiàn)代雷達(dá)檢測(cè)理論（精）

第1章 雷達(dá)檢測(cè)引論
1．1 歷史背景和術(shù)語(yǔ)
1．2 符號(hào)
1．3 檢測(cè)理論
1．3．1 信號(hào)和干擾模型
1．3．2 基本概念
1．3．3 檢測(cè)器的設(shè)計(jì)準(zhǔn)則
1．3．4 檢測(cè)理論中的恒虛警（CFAR）特性和不變性
1．4 本書(shū)的結(jié)構(gòu)、使用和概要
1．5 參考
參考文獻(xiàn)
第2章 高斯白噪聲下的雷達(dá)檢測(cè)：GLRT框架
2．1 引言
2．2 問(wèn)題的表述
2．3 充分性的減縮
2．4 最優(yōu)NP檢測(cè)器和UMP檢測(cè)器的存在
2．4．1 相干的情況
2．4．2 非相干的情況
2．5 GLRT設(shè)計(jì)
2．6 性能分析
2．6．1 相干的情況
2．6．2 非相干的情況
2．7 結(jié)論和深入閱讀
參考文獻(xiàn)
第3章 自適應(yīng)雷達(dá)的子空間檢測(cè)：檢測(cè)器及性能分析
3．1 引言
3．2 干擾和噪聲條件下的信號(hào)檢測(cè)
3．2．1 在色高斯噪聲中檢測(cè)已知信號(hào)
3．2．2 零均色高斯噪聲中檢測(cè)相位未知的已知信號(hào)
3．3 子空間信號(hào)模型和不變性假設(shè)檢測(cè)
3．3．1 子空間信號(hào)模型
3．3．2 子空間信號(hào)模型的機(jī)理
3．3．3 假設(shè)檢驗(yàn)
3．3．4 干擾噪聲環(huán)境下子空間信號(hào)檢測(cè)的最大不變量
3．4 檢測(cè)概率和虛警概率的解析表達(dá)
3．4．1 子空間GLRT的Pd和Pfa
3．4．2 子空間AMF檢驗(yàn)的Pd和Pfa
3．4．3 子空間ACE檢驗(yàn)的Pd和Pfa
3．5 自適應(yīng)子空間檢測(cè)器的性能結(jié)果
3．6 小結(jié)
附錄3A
A．1 GLRT的子空間模式
A．2 AMF檢驗(yàn)的子空間模式
A．3 ACE檢驗(yàn)的子空間模式
附錄3B
附錄3C
最大不變統(tǒng)計(jì)量的分布
附錄3D
參考文獻(xiàn)
第4章 譜特性未知的高斯干擾下點(diǎn)狀目標(biāo)的兩級(jí)檢測(cè)器
4．1 引言：設(shè)計(jì)原則
4．2 兩級(jí)架構(gòu)的描述、性能分析和比較
4．2．1 自適應(yīng)旁瓣消隱器
4．2．2 提高ASB的魯棒性：基于子空間的自適應(yīng)旁瓣切除
4．2．3 提高ASB選擇性的改進(jìn)方法
4．2．4 提高ASB選擇性或魯棒性的改進(jìn)方法
4．2．5 選擇性?xún)杉?jí)檢測(cè)器
4．3 小結(jié)
參考文獻(xiàn)
第5章 干擾中的貝葉斯雷達(dá)檢測(cè)
5．1 引言
5．2 通用STAP信號(hào)模型
5．3 KA-STAP模型
5．3．1 知識(shí)輔助均勻模型
5．3．2 貝葉斯GLRT（B-GLRT）與貝葉斯AMF（B-AMF）
5．3．3 超參數(shù)的選擇
5．3．4 擴(kuò)展到部分均勻和復(fù)合高斯的模型
5．4 知識(shí)輔助兩層STAP模型
5．5 借助知識(shí)的含參STAP模型
5．6 小結(jié)
附錄5A 式（5．35）的KA-ACE的推導(dǎo)
附錄5B 借助知識(shí)的復(fù)合高斯模型中的貝葉斯檢測(cè)器的推導(dǎo)
參考文獻(xiàn)
第6章 高斯訓(xùn)練條件下樣本欠缺的自適應(yīng)雷達(dá)檢測(cè)
6．1 引言
6．2 利用預(yù)期似然選擇的加載改善自適應(yīng)檢測(cè)
6．2．1 由二次數(shù)據(jù)形成的單個(gè)自適應(yīng)濾波器以及使用一次數(shù)據(jù)的自適應(yīng)門(mén)限
6．2．2 使用二次數(shù)據(jù)的復(fù)合自適應(yīng)濾波和檢測(cè)對(duì)各測(cè)試單元進(jìn)行的各種自適應(yīng)處理
6．2．3 觀察
6．3 利用協(xié)方差矩陣架構(gòu)改善自適應(yīng)檢測(cè)
6．3．1 背景：Hermitian協(xié)方差矩陣的TVAR（m）近似，最大似然模型和階數(shù)估計(jì)[56，57]
6．3．2 基于TVAR（m）的自適應(yīng)濾波器和自適應(yīng)檢測(cè)器在TVAR（m）或AR（m）干擾下的性能分析
6．3．3 基于TVAR（m）的自適應(yīng)檢測(cè)器在TVAR（m）或AR（m）干擾下的結(jié)果的仿真
6．3．4 觀察
6．4 利用數(shù)據(jù)劃分改善自適應(yīng)檢測(cè)
6．4．1 “一步”自適應(yīng)恒虛警檢測(cè)器性能對(duì)比“兩步”自適應(yīng)處理的分析
6．4．2 檢測(cè)性能分析的比較
6．4．3 觀察
參考文獻(xiàn)
第7章 復(fù)合高斯模型和目標(biāo)檢測(cè)：統(tǒng)一的視圖
7．1 引言
7．2 單變強(qiáng)度的復(fù)合指數(shù)模型
7．2．1 強(qiáng)尾部分布和完全單調(diào)的函數(shù)
7．2．2 例子
7．3 數(shù)量波動(dòng)準(zhǔn)則
7．3．1 轉(zhuǎn)移理論和CLT
7．3．2 數(shù)量波動(dòng)的模型
7．4 復(fù)數(shù)復(fù)合高斯的隨機(jī)矢量
7．5 在復(fù)數(shù)復(fù)合高斯雜波條件下的最佳信號(hào)檢測(cè)
7．5．1 似然比和與數(shù)據(jù)關(guān)聯(lián)的門(mén)限的解釋
7．5．2 似然比和與估計(jì)器-相關(guān)器的解釋
7．6 在復(fù)數(shù)復(fù)合高斯雜波條件下的次佳檢測(cè)
7．6．1 似然比的次佳近似
7．6．2 與數(shù)據(jù)關(guān)聯(lián)的門(mén)限的次佳近似
7．6．3 估計(jì)器-相關(guān)器的次佳近似
7．6．4 最佳和次佳檢測(cè)器的性能評(píng)估
7．7 最佳檢測(cè)器的新解釋
7．7．1 估計(jì)器公式的乘積
7．7．2 估計(jì)器乘積的一般性質(zhì)
附錄7．A 轉(zhuǎn)移理論和它的解釋
參考文獻(xiàn)
第8章 球不變隨機(jī)矢量和橢圓過(guò)程中的協(xié)方差矩陣估計(jì)及其在雷達(dá)檢測(cè)中的應(yīng)用
8．1 背景和問(wèn)題的陳述
8．1．1 高斯情況下的背景參數(shù)估計(jì)
8．1．2 高斯情況下的最佳檢測(cè)
8．2 非高斯環(huán)境模型
8．2．1 復(fù)橢圓對(duì)稱(chēng)分布
8．2．2 球不變隨機(jī)矢量的子類(lèi)
8．3 復(fù)橢圓對(duì)稱(chēng)分布噪聲條件下的協(xié)方差矩陣估計(jì)
8．3．1 M估計(jì)器
8．3．2 M估計(jì)器的性能
8．3．3 M估計(jì)器的漸近分布
8．3．4 在球不變隨機(jī)矢量框架中與M估計(jì)器的關(guān)系
8．4 復(fù)橢圓對(duì)稱(chēng)分布噪聲條件下的最佳檢測(cè)
8．5 廣義對(duì)稱(chēng)架構(gòu)的協(xié)方差矩陣估計(jì)
8．5．1 圓高斯噪聲下的檢測(cè)
8．5．2 非高斯噪聲下的檢測(cè)
8．6 在雷達(dá)中的應(yīng)用
8．6．1 地基雷達(dá)的檢測(cè)
8．6．2 預(yù)警雷達(dá)的檢測(cè)
8．6．3 STAP檢測(cè)
8．6．4 定點(diǎn)估計(jì)的魯棒性
8．7 小結(jié)
參考文獻(xiàn)