友情转载
注：应广大读者要求，《下一代认知雷达系统》中文版终于面世了。本中文版内容由多位专家精心翻译、校准与审核，确保内容表达尽可能准确。在此基础上，我们还对文中所有的公式、图片和文本格式进行了人工调整和优化。
一、前言
二、本书的组织结构
三、部分内容示例
next--->
next--->
next--->
next--->
next--->
四、目录
next--->
目录
关于编辑
编辑名单
贡献者名单
审稿人名单
前言
致谢
第一部分基础
第1章超越认知雷达
1.1认知的方面
1.2关键技术推动者
1.2.1凸优化和非凸优化
1.2.2控制理论工具
1.2.3学习技术
1.2.4操作化
1.3本书的组织结构
参考文献
第2章对抗雷达推理：反向跟踪，识别认知和设计智能干扰
2.1引言
2.1.1目标
2.1.2前景
2.1.3组织结构
2.2逆向跟踪和估计敌方传感器
2.2.1背景和前期工作
2.2.2反向跟踪算法
2.2.3估算对手的传感器增益
2.2.4示例：估计线性高斯情况下对手的收益
2.3在认知雷达中识别效用最大化
2.3.1背景，显示性偏好和阿弗里亚特定理
2.3.2波束分配：显示性偏好测试
2.3.3波形适应：非线性预算的显示性偏好检验
2.4设计智能干扰，迷惑认知雷达
2.4.1干扰信号模型
2.4.2迷惑雷达的智能干扰
2.4.3举例说明智能干扰的设计
2.5基于随机梯度的迭代智能干扰
2.5.1测量噪声的智能干扰
2.5.2解决约束优化问题的算法(2.41)
2.5.2.1假设
2.5.2.2优化问题的确定性算法（2.46）
2.5.2.3利用SPSA对原始对偶算法进行随机逼近扩展
扩展
致谢
参考文献
第3章认知雷达的人类和传感数据信息集成
3.1在二元假设检验中将人的决定与物理传感器相结合
3.1.1物理传感器和人类传感器的决策融合
3.1.2当人类掌握辅助信息时的渐进系统性能
3.2多智能体系统中基于前景理论效用的人类决策
3.2.1基于主观效用的假设检验
3.2.2有人类参与的决策融合
3.3在相关观测条件下进行二元决策的人机协作
3.3.1人机协作模式
3.3.2FC基于Copula的决策融合
3.3.3性能评估
3.4当前人机协作面临的挑战
3.5小结
参考文献
第4章认知全自适应雷达的信道估计
4.1引言
4.2基于协方差的传统统计模型
4.3随机传递函数模型
4.4认知雷达框架
4.5无约束信道估计算法
4.5.1SISO/SIMO信道估计
4.5.2MIMO信道估计
4.5.3最少探测策略
4.5.3.1单接收机
4.5.3.2多个接收机
4.6受限信道估计算法
4.6.1余弦相似度测量
4.6.2余弦相似度约束下的信道估计：非凸QCQP
4.6.3利用数值仿真进行性能比较
4.7认知完全自适应雷达挑战数据集
4.7.1情景1
4.7.2情景2
4.8结论
参考文献
第5章认知雷达的凸优化
5.1引言
5.1.1认知雷达的波形设计问题
5.1.1.1 波形设计：背景与动机
5.1.1.2通过优化进行波形设计
5.1.1.3雷达性能指标（目标函数）
5.1.1.4波形设计过程中的实际约束条件
5.2背景和动机
5.2.1凸优化原理
5.2.1.1凸优化问题
5.2.1.2解决凸优化问题
5.2.1.3非凸优化问题的方法
5.2.2认知雷达优化问题的挑战
5.3认知雷达的约束优化
5.3.1SING最大化
5.3.1.1问题的提出
5.3.1.2 连续QCQP细化
5.3.1.3分析和实验结果
5.3.2空间-频谱雷达波束方向图设计
5.3.2.1问题的提出
5.3.2.2恒定模量下带干扰控制（BIC）的波束方向图设计
5.3.2.3分析和实验结果
5.3.3用四元梯度下降法实现可控雷达模糊函数整形
5.3.3.1系统模型和问题的提出
5.3.3.2 QGD算法
5.3.3.3分析和实验结果
5.4小结
参考文献
第二部分设计方法
第6章基于认知的模糊函数赋形波形设计
6.1引言
6.2AF的初步研究和优化方法
6.2.1模糊函数及其塑造
6.2.2MM和丁克巴赫算法
6.2.2.1 MM
6.2.2.2丁克巴赫算法
6.3通过SINR最大化实现的AF赋形的波形设计
6.3.1系统模型和问题表述
6.3.2通过MM进行波形设计
6.3.3收敛分析和加速
6.3.3.1通过SQUAREM加速
6.3.3.2通过局部优化加速
6.3.4数值实验
6.4通过最小正则谱级比进行波形设计
6.4.1正则化SLR和问题的提出
6.4.2频谱赋形的近似迭代法
6.4.2.1逐点最大值近似法
6.4.2.2主化器构造
6.4.2.3复杂性和收敛性分析
6.4.3频谱赋形的单调迭代法
6.4.3.1最大-最小问题的简化方法
6.4.3.2两种特殊情况
6.4.3.3复杂性和收敛性分析
6.4.4数值实验
6.5结论
附录
A.1定理2的证明
A.2定理4的证明
A.3定理5的证明
A.4定理6的证明
A.5定理8的证明
A.6定理9的证明
参考文献
第7章MIMO雷达基于训练的自适应收发波束形成
7.1引言
7.1.1背景
7.1.2贡献
7.2系统模型
7.2.1目标贡献
7.2.2杂波贡献
7.2.3噪声模型
7.3自适应波束成形
7.3.1接收波束成形
7.3.2发射波束成形：已知协方差
7.3.3发射BF：估计所需的协方差矩阵
7.4降维发射波束成形
7.5多个多普勒区间的发射BF
7.6数值结果
7.6.1随机相位雷达信号
7.6.2机载雷达
7.7结论
致谢
参考文献
第8章雷达中的随机投影和稀疏技术
8.1引言
8.2压缩感知理论中下采样主张的一个批判性视角
8.2.1非稳态的一般问题
8.2.2中频（IF）稀疏信号
8.2.3基带时间稀疏信号
8.3随机投影STAP模型
8.3.1计算复杂性和“小”数据问题
8.3.2随机投影
8.3.2.1分布
8.3.3局部随机投影
8.3.4半随机局部投影
8.4统计分析
8.4.1概率界限
8.5仿真
8.5.1集成为低通滤波
8.5.2CS: IF示例中的正弦波
8.5.3CS:矩形脉冲示例
8.5.3.1矩形脉冲均值和自相关的蒙特卡洛仿真
8.5.3.2 CS基带矩形脉冲示例
8.5.4CS重构的现实例子
8.5.5不同分布的随机投影
8.5.6随机投影和随机类型投影
8.6讨论和结论
致谢
参考文献
第9章全自适应性雷达跟踪和识别的资源分配
9.1引言
9.2全自适应雷达框架
9.3多目标多任务FARRA系统模型
9.3.1雷达资源分配模型
9.3.2可控参数
9.3.3状态矢量
9.3.4转换模型
9.3.5测量模式
9.4 FARRA PAC
9.4.1感知处理器
9.4.2执行处理器
9.4.2.1任务驱动（QoS）方法
9.4.2.2信息驱动法
9.5仿真结果
9.6实验结果
9.7结论
致谢
参考文献
第10章认知雷达的随机控制
10.1引言
10.2与早期工作的联系
10.3随机优化框架
10.3.1一般组成
10.3.2部分可观测性
10.4认知雷达的目标函数
10.4.1基于任务的奖励函数
10.4.2信息论奖励函数
10.4.3基于实用性和服务质量的目标函数
10.5多步目标函数
10.5.1最佳值和策略
10.5.2简化的多步目标函数
10.5.2.1近视优化
10.5.2.2确定性优化
10.5.2.3讨论
10.6策略和感知-行动周期
10.6.1策略搜索
10.6.1.1策略函数近似值
10.6.1.2成本函数近似值
10.6.2前瞻近似值
10.6.2.1值函数近似值
10.6.2.2直接前瞻
10.6.3讨论
10.7认知雷达与随机优化之间的关系
10.7.1问题要素
10.7.2典型的认知雷达解决方案方法
10.7.3认知雷达目标函数
10.8仿真示例
10.8.1自适应跟踪示例
10.8.1.1问题要素
10.8.1.2控制方法
10.8.1.3结果
10.8.2目标资源分配示例
10.8.2.1场景设想
10.8.2.2目标
10.8.2.3控制方法
10.8.2.4结果
10.9结论
参考文献
第11章认知雷达中的博弈论应用
11.1引言
11.1.1研究背景
11.1.2文献综述
11.1.2.1抗干扰设计
11.1.2.2功率控制设计
11.1.2.3波形设计
11.1.3动机
11.1.4主要贡献
11.1.5本章大纲
11.2系统和信号模型
11.2.1系统模型
11.2.2信号模型
11.3博弈论表述
11.3.1扩展可行性
11.4纳什均衡的存在性和唯一性
11.4.1存在性
11.4.2唯一性
11.5迭代功率分配法
11.6仿真结果和性能评估
11.6.1参数设计
11.6.2数值结果
11.7结论
参考文献
第12章神经网络在认知雷达中的作用
12.1用神经网络进行认知过程建模
12.1.1背景和动机
12.1.2情境意识与感知-行动循环的联系
12.1.3记忆和注意力
12.1.4知识表示
12.1.5三层认知架构
12.1.6机器学习在认知雷达架构中的应用
12.2物理感知DL的集成领域知识
12.2.1使用合成数据进行物理感知DNN训练
12.2.2 DNNs初始化的对抗学习
12.2.3生成模型及其运动学保真度
12.2.4物理感知DNN设计
12.2.5解决时间序列数据中的时间依赖性
12.3强化学习
12.3.1概述
12.3.2强化学习的基础
12.3.3 Q学习算法
12.3.4深度Q网络算法
12.3.5深度确定性策略梯度算法
12.3.6算法选择
12.3.7强化学习实现示例
12.3.8注意事项
12.3.9角度动作空间
12.3.10训练期间环境的准确性
12.4端到端学习用于联合优化从数据到决策的传递链
12.4.1端到端学习架构
12.4.2端到端架构的损失函数
12.4.3仿真结果
12.5结论
致谢
参考文献
第三部分超越认知雷达——从理论到实践
第13章一位认知雷达
13.1引言
13.2系统模型
13.3Bussgang定理辅助估计
13.4固定目标的雷达处理
13.4.1固定目标参数估计
13.4.2时变阈值设计
13.4.2.1使用单个单比特ADC采样
13.4.2.2使用多个单比特ADC采样
13.5移动目标的雷达处理
13.5.1移动目标问题的提出
13.5.2移动目标参数估计
13.6其他低分辨率采样方案
13.6.1扩展到并行单比特比较器
13.6.2扩展到p比特ADC
13.7单比特雷达信号处理的数值分析
13.7.1固定目标
13.7.2移动目标
13.8不确定统计下的单比特波形设计
13.8.1波形设计问题的提出
13.8.2联合设计方法：CREW（one-bit）
13.8.2.1雷达波形优化
13.8.2.2优化接收滤波器
13.9波形设计示例
13.10结论
参考文献
第14章认知雷达与频谱共享
14.1频谱问题
14.1.1介绍
14.1.2频谱和频谱分配
14.1.3认知雷达的定义
14.1.4目标匹配照射
14.1.5嵌入式通信
14.1.6低截获概率（LPI）
14.1.7总结
14.2雷达和通信联合研究
14.2.1联合雷达和通信的应用
14.2.2雷达和通信共存研究
14.2.3单一波形同时执行雷达和通信任务
14.2.4低截获概率（LPI）雷达和通信波形
14.2.5自适应/认知雷达概念和示例
14.3总结和结论
致谢
参考文献
第15章汽车认知雷达
15.1引言
15.2汽车雷达综述
15.2.1汽车雷达
15.2.2 FMCW雷达
15.2.3 MIMO雷达和角度估计
15.3认知雷达
15.3.1感知-行动循环
15.3.2感知
15.3.3学习
15.3.4行动
15.4 FMCW汽车雷达的物理环境感知
15.4.1距离-速度成像
15.4.2微多普勒成像
15.4.3距离-角度成像
15.4.4合成孔径雷达成像
15.4.5基于雷达图像的雷达目标识别
15.5汽车雷达网络中的认知频谱共享
15.5.1频谱拥塞、干扰问题和MAC方案
15.5.2基于FMCW-CSMA的频谱共享
15.5.3基于FMCW-认知-CSMA的频谱共享
15.5.4对认知雷达频谱共享的评论
15.6结论
参考文献
第16章典型的认知雷达架构
16.1A典型的CR架构
16.2发射接收完全自适应
16.2.1完全发射自适应
16.2.2完全接收适应性
16.3 CR实时信道估计（RTCE）
16.4CR雷达调度程序
16.5认知雷达和人工智能
16.6实施方面的考虑
16.7支持认知雷达的高级建模和仿真
16.8依然存在的挑战和未来研究领域
参考文献
第17章认知雷达实验的进展
17.1认知雷达实验的必要性
17.1.1雷达感知的认知
17.1.2章节概述
17.2 CREW测试平台
17.2.1 CREW设计
17.2.2 CREW演示实验
17.2.2.1 使用分层全适应雷达（HFAR）的笛卡尔跟踪
17.2.2.2 基于神经网络的全自适应雷达 (FAR)
17.3认知检测、识别和测距测试平台
17.3.1开发考虑
17.3.2 CODIR设计
17.3.3 CODIR的实验工作
17.3.3.1 不同类型目标的认知雷达性能分析
17.3.3.2 在拥挤和干扰频谱环境中的波形适应
17.4基于通用软件无线电外设的认知雷达测试平台
17.4.1 USRP测试平台设计
17.4.2 USRP测试平台演示实验
17.4.2.1 探测范围
17.4.2.2 小目标跟踪
17.4.2.3 使用FAR框架的自适应更新间隔方法
17.5微型认知检测、识别和测距试验平台
17.5.1 miniCODIR设计
17.5.2 miniCODIR实验
17.5.2.1 雷达网络中的资源优化
17.6其他认知雷达测试平台
17.6.1 SDRadar：用于频谱共享的认知雷达
17.6.2通过xampling实现频谱共存（SpeCX）
17.6.3 NetRad中的预期
17.7未来认知雷达试验台的考虑
17.7.1分布式认知雷达系统
17.7.2机器学习技术
17.7.3算法-元认知的融合
17.8总结
致谢
参考文献
第18章量子雷达与认知：寻找潜在的交叉优势
18.1引言
18.2认知雷达
18.2.1认知雷达调度器
18.2.2认知雷达内涵
18.2.3验证和确认
18.3简明量子力学
18.4量子谐振子
18.5量子电磁场
18.5.1单一模式
18.5.2多重模式
18.6量子照射
18.7实验演示
18.8认知雷达与量子雷达的融合：神经科学最新研究的启示
18.9量子和认知雷达
18.10结论
致谢
参考文献
第19章元认知雷达
19.1雷达中的元认知概念
19.1.1元认知循环
19.1.2应用：元认知频谱共享
19.1.3应用：元认知功率分配
19.1.4应用：元认知天线选择
19.2认知屏蔽
19.3示例：跨几何结构的天线选择
19.3.1认知循环
19.3.2跨不同阵列几何结构的知识转移
19.4数值模拟
19.5总结
参考文献
尾声
对本书感兴趣的读者可以添加微信号：s19315390698（高山小助理）或 baoyua0608 进行购买，添加微信时请注明书籍名称，本书价格：39.8元（PDF版）。
修改于
高山防务
