第1章  绪论
  1.1  弹道导弹概述
  1.2  反导雷达系统概述
  1.3  中段弹道目标及其微多普勒效应
    1.3.1  中段弹道目标运动特性
    1.3.2  弹道目标微多普勒效应与分析
  参考文献
第2章  弹道目标模型构建与分析
  2.1  几何模型与分析
    2.1.1  典型弹道目标结构
    2.1.2  基于散射中心理论的几何建模
  2.2  轨道运动模型与分析
    2.2.1  轨道运动建模
    2.2.2  轨道运动特性分析
  2.3  微动模型与分析
    2.3.1  微动建模
    2.3.2  微动特性分析
  参考文献
第3章  弹道目标平动补偿
  3.1  整体信息法
    3.1.1  复合运动下的HRRP模型
    3.1.2  整体信息法
    3.1.3  实验结果及分析
  3.2  “双阶段”补偿法
    3.2.1  平动对微多普勒的调制作用
    3.2.2  预训练的DNN
    3.2.3  回归网络构建
    3.2.4  实验结果及分析
  3.3  图像空间变换法
    3.3.1  STN工作机理分析
    3.3.2  基于STN的平动补偿网络构建
    3.3.3  实验结果及分析
  3.4  高阶模糊函数法
    3.4.1  高阶矩与高阶模糊函数
    3.4.2  基于高阶模糊函数的平动补偿
    3.4.3  实验结果及分析
  参考文献
第4章  弹道目标微动特征提取
  4.1  基于NMF的锥形目标微多普勒提取
    4.1.1  微动模型分析与NMF基本理论
    4.1.2  基于约束NMF的时频图分离
    4.1.3  微多普勒提取方法
    4.1.4  实验结果及分析
  4.2  基于三维雷达立方体的群目标特征提取
    4.2.1  基于压缩感知的空间群目标RD序列生成
    4.2.2  雷达数据立方体的建立
    4.2.3  三维分段Viterbi算法
    4.2.4  实验结果及分析
  4.3  遮挡条件下的弹道目标微动特征修复
    4.3.1  基于压缩感知的锥形目标微动特征修复
    4.3.2  基于矩阵填充的多散射中心目标微动特征修复
    4.3.3  实验结果及分析
  参考文献
第5章  弹道目标参数估计
  5.1  基于LRCN的弹道目标回波SNR估计
    5.1.1  信号模型
    5.1.2  SNR估计网络设计
    5.1.3  SNR估计CRLB分析
    5.1.4  实验结果及分析
  5.2  基于递归图的微动周期估计
    5.2.1  锥柱形目标微动模型分析
    5.2.2  RP生成与微动周期估计
    5.2.3  实验结果及分析
  5.3  基于三维雷达数据立方体的进动目标微动参数与结构参数估计
    5.3.1  基于二进制掩码的强散射中心关联
    5.3.2  基于三维特征曲线的参数估计
    5.3.3  实验结果及分析
  5.4  组网雷达条件下有翼弹道目标微动参数估计与三维成像
    5.4.1  有翼弹道目标微多普勒信息提取
    5.4.2  微动信息获取
    5.4.3  目标进动参数和结构参数解算
    5.4.4  有翼弹道目标三维重构
    5.4.5  实验结果及分析
  参考文献
第6章  基于窄带特征的弹道目标智能识别
  6.1  基于RCS序列时频变换的弹道目标识别
    6.1.1  典型目标的RCS特性
    6.1.2  RCS序列统计特征
    6.1.3  RCS信息的图像特征及组合特征识别
    6.1.4  实验结果及分析
  6.2  基于RCS序列编码的弹道目标识别
    6.2.1  问题分析
    6.2.2  特征编码
    6.2.3  多尺度CNN
    6.2.4  实验结果及分析
  6.3  基于时频图的弹道目标识别
    6.3.1  典型卷积神经网络
    6.3.2  自搭建网络模型
    6.3.3  实验结果及分析
  6.4  基于CVD和时频图的弹道目标识别
    6.4.1  特征图像表示
    6.4.2  识别网络框架
    6.4.3  实验结果及分析
  参考文献
第7章  基于宽带特征的弹道目标智能识别
  7.1  基于HRRPs的锥形弹道目标微动样式识别
    7.1.1  HRRPs自动去噪方法
    7.1.2  基于SqueezeNet的距离像分类网络
    7.1.3  实验结果及分析
  7.2  基于HRRPs的进动弹道目标结构识别
    7.2.1  目标散射特性分析
    7.2.2  基于HOG特征和SVM的图像识别
    7.2.3  基于贝叶斯优化的CNN设计
    7.2.4  实验结果及分析
  7.3  基于RD域的弹道目标多网络识别
    7.3.1  RD域的多种数据表示方式
    7.3.2  识别框架
    7.3.3  实验结果及分析
  7.4  基于四维雷达数据的弹道目标识别
    7.4.1  距离 频率 时间 能量四维雷达数据立方体生成
    7.4.2  基于注意力机制的网络构造
    7.4.3  实验结果及分析
  参考文献
第8章  总结与展望
  8.1  总结
  8.2  展望