现代雷达检测理论 意Antonio De Maio 安东尼奥·德梅奥,意Maria Sabrina Grec玛莉亚·萨布丽娜格列柯,胡来招,白华,杨曼 著 胡来招白华杨曼 译

图书标准信息

• 作者 [意]Antonio De Maio 安东尼奥·德梅奥；[意]Maria Sabrina Grec玛莉亚·萨布丽娜格列柯；胡来招；白华；杨曼
• 出版社 国防工业出版社
• 出版时间 2018-12
• 版次 1
• ISBN 9787118117585
• 定价 136.00元
• 装帧 精装
• 开本 其他
• 页数 308页

【内容简介】

现代雷达目标的多样性和探测环境的日趋复杂化，应用新理论和新技术提高雷达的探测能力成为了雷达技术中的重要研究方向。本书系统、深入地论述了现代雷达检测的主要理论和方法，总结了靠前上这一领域的研究进展以及作者多年来的研究成果。主要内容包括：雷达检测的基础理论、复杂杂波背景下似然比检测、基于杂波抑制的目标检测、多杂波分布类型下的CFAR检测、基于粒子滤波的检测前跟踪技术(TBD)、机动目标的TBD检测技术、基于动态规划的TBD技术等。

【目录】

章  雷达检测引论
  1.1  历史背景和术语
  1.2  符号
  1.3  检测理论
    1.3.1  信号和干扰模型
    1.3.2  基本概念
    1.3.3  检测器的设计准则
    1.3.4  检测理论中的恒虚警(CFAR)特性和不变性
  1.4  本书的结构、使用和概要
  1.5  参考
  参考文献
第2章  高斯白噪声下的雷达检测：GLRT框架
  2.1  引言
  2.2  问题的表述
  2.3  充分性的减缩
  2.4  最优NP检测器和UMP检测器的存在
    2.4.1  相干的情况
    2.4.2  非相干的情况
  2.5  GLRT设计
  2.6  性能分析
    2.6.1  相干的情况
    2.6.2  非相干的情况
  2.7  结论和深入阅读
  参考文献
第3章  自适应雷达的子空间检测：检测器及性能分析
  3.1  引言
  3.2  干扰和噪声条件下的信号检测
    3.2.1  在色高斯噪声中检测已知信号
    3.2.2  零均色高斯噪声中检测相位未知的已知信号
  3.3  子空间信号模型和不变性假设检测
    3.3.1  子空间信号模型
    3.3.2  子空间信号模型的机理
    3.3.3  假设检验
    3.3.4  干扰噪声环境下子空间信号检测的优选不变量
  3.4  检测概率和虚警概率的解析表达
    3.4.1  子空间GLRT的Pd和Pfa
    3.4.2  子空间AMF检验的Pd和Pfa
    3.4.3  子空间ACE检验的Pd和Pfa
  3.5  自适应子空间检测器的性能结果
  3.6  小结
  附录3A
    A.1  GLRT的子空间模式
    A.2  AMF检验的子空间模式
    A.3  ACE检验的子空间模式
  附录3B
  附录3C
    优选不变统计量的分布
  附录3D
  参考文献
第4章  谱特性未知的高斯干扰下点状目标的两级检测器
  4.1  引言：设计原则
  4.2  两级架构的描述、性能分析和比较
    4.2.1  自适应旁瓣消隐器
    4.2.2  提高ASB的鲁棒性：基于子空间的自适应旁瓣切除
    4.2.3  提高ASB选择性的改进方法
    4.2.4  提高ASB选择性或鲁棒性的改进方法
    4.2.5  选择性两级检测器
  4.3  小结
  参考文献
第5章  干扰中的贝叶斯雷达检测
  5.1  引言
  5.2  通用STAP信号模型
  5.3  KA-STAP模型
    5.3.1  知识辅助均匀模型
    5.3.2  贝叶斯GLRT(B-GLRT)与贝叶斯AMF(B-AMF)
    5.3.3  超参数的选择
    5.3.4  扩展到部分均匀和复合高斯的模型
  5.4  知识辅助两层STAP模型
  5.5  借助知识的含参STAP模型
  5.6  小结
  附录5A  式(5.35)的KA-ACE的推导
  附录5B  借助知识的复合高斯模型中的贝叶斯检测器的推导
  参考文献
第6章  高斯训练条件下样本欠缺的自适应雷达检测
  6.1  引言
  6.2  利用预期似然选择的加载改善自适应检测
    6.2.1  由二次数据形成的单个自适应滤波器以及使用一次数据的自适应门限
    6.2.2  使用二次数据的复合自适应滤波和检测对各测试单元进行的各种自适应处理
    6.2.3  观察
  6.3  利用协方差矩阵架构改善自适应检测
    6.3.1  背景：Hermitian协方差矩阵的TVAR(m)近似，优选似然模型和阶数估计[56，57]
    6.3.2  基于TVAR(m)的自适应滤波器和自适应检测器在TVAR(m)或AR(m)干扰下的性能分析
    6.3.3  基于TVAR(m)的自适应检测器在TVAR(m)或AR(m)干扰下的结果的仿真
    6.3.4  观察
  6.4  利用数据划分改善自适应检测
    6.4.1  “一步”自适应恒虚警检测器性能对比“两步”自适应处理的分析
    6.4.2  检测性能分析的比较
    6.4.3  观察
  参考文献
第7章  复合高斯模型和目标检测：统一的视图
  7.1  引言
  7.2  单变强度的复合指数模型
    7.2.1  强尾部分布和完全单调的函数
    7.2.2  例子
  7.3  数量波动准则
    7.3.1  转移理论和CLT
    7.3.2  数量波动的模型
  7.4  复数复合高斯的随机矢量
  7.5  在复数复合高斯杂波条件下的最佳信号检测
    7.5.1  似然比和与数据关联的门限的解释
    7.5.2  似然比和与估计器-相关器的解释
  7.6  在复数复合高斯杂波条件下的次佳检测
    7.6.1  似然比的次佳近似
    7.6.2  与数据关联的门限的次佳近似
    7.6.3  估计器-相关器的次佳近似
    7.6.4  最佳和次佳检测器的性能评估
  7.7  最佳检测器的新解释
    7.7.1  估计器公式的乘积
    7.7.2  估计器乘积的一般性质
  附录7.A  转移理论和它的解释
  参考文献
第8章  球不变随机矢量和椭圆过程中的协方差矩阵估计及其在雷达检测中的应用
  8.1  背景和问题的陈述
    8.1.1  高斯情况下的背景参数估计
    8.1.2  高斯情况下的最佳检测
  8.2  非高斯环境模型
    8.2.1  复椭圆对称分布
    8.2.2  球不变随机矢量的子类
  8.3  复椭圆对称分布噪声条件下的协方差矩阵估计
    8.3.1  M估计器
    8.3.2  M估计器的性能
    8.3.3  M估计器的渐近分布
    8.3.4  在球不变随机矢量框架中与M估计器的关系
  8.4  复椭圆对称分布噪声条件下的最佳检测
  8.5  广义对称架构的协方差矩阵估计
    8.5.1  圆高斯噪声下的检测
    8.5.2  非高斯噪声下的检测
  8.6  在雷达中的应用
    8.6.1  地基雷达的检测
    8.6.2  预警雷达的检测
    8.6.3  STAP检测
    8.6.4  定点估计的鲁棒性
  8.7  小结
  参考文献