工業和信息化部“十二五”規划教材：陣列信號處理及MATLAB實現
符號說明
1緒論
1.1 研究背景
1.2 陣列信號處理的發展史及現狀
1.2.1 波束形成技術
1.2.2 空間譜估計方法
1.2.3 陣列多參數估計
1.3 本書的安排
2陣列信號處理基礎
2.1 矩陣代數的相關知識
2.1.1 特征值與特征向量
2.1.2 廣義特征值與廣義特征向量
2.1.3 矩陣的奇異值分解
2.1.4 Toeplitz矩陣
2.1.5 Hankel矩陣
2.1.6 Vandermonde矩陣
2.1.7 Hermitian矩陣
2.1.8 Kronecker積
2.1.9 Khatri-Rao積
2.1.10 Hadamard積
2.1.11 向量化
2.2 高階統計量
2.2.1 高階矩、高階累積量和高階譜
2.2.2 累積量性質
2.2.3 高斯隨機過程的高階累積量
2.2.4 隨機場的累積量與多譜
2.2.5 二維隨機場的高階矩及高階累積量估計子
2.3 四元數理論
2.3.1 四元數
2.3.2 Hamilton四元數矩陣
2.3.3 Hamilton四元數矩陣的奇異值分解
2.3.4 Hamilton四元數矩陣的右特征值分解
2.4 平行因子理論
2.4.1 平行因子模型
2.4.2 可辨識性
2.4.3 PARAFAC分解
2.5 信源和噪聲模型
2.5.1 窄帶信號
2.5.2 相關系數
2.5.3 噪聲模型
2.6 陣列天線的統計模型
2.6.1 前提及假設
2.6.2 陣列的基本概念
2.6.3 天線陣模型
2.6.4 陣列的方向圖
2.6.5 波束寬度
2.6.6 分辨率
2.7 陣列響應矢量/矩陣
2.8 陣列協方差矩陣的特征分解
2.9 信源數估計算法
2.9.1 特征值分解方法
2.9.2 信息論方法
2.9.3 其他信源數估計方法
3波束形成算法
3.1 波束形成定義
3.2 常用的波束形成算法
3.2.1 波束形成原理
3.2.2 波束形成的最佳權向量
3.2.3 波束形成的准則
3.3 自適應波束形成算法
3.3.1 自適應波束形成的最佳權向量
3.3.2 權向量更新的自適應算法
3.3.3 基於變換域的自適應波束形成算法
3.4 廣義旁瓣相消器（GSC）的波束形成算法及其改進
3.4.1 廣義旁瓣相消器（GSC）算法
3.4.2 GSC的改進算法
3.5 基於投影分析的波束形成
3.5.1 基於投影的波束形成
3.5.2 基於斜投影的波束形成算法
3.6 過載情況下的自適應波束形成算法
3.6.1 信號模型
3.6.2 近似最小方差法波束形成器
3.7 基於高階累積量的波束形成算法
3.7.1 陣列模型
3.7.2 利用高階累積量方法估計期望信號的方向矢量
3.7.3 基於高階累積量的盲波束形成
3.8 基於周期平穩性的波束形成算法
3.8.1 陣列模型與信號周期平穩性
3.8.2 CAB類盲波束形成算法
3.9 基於恆模的盲波束形成算法
3.9.1 信號模型
3.9.2 隨機梯度恆模算法
3.9.3 最小二乘恆模算法（LS-CMA）
3.10 自適應對角線加載的波束形成算法
3.10.1 問題的提出
3.10.2 自適應對角線加載波束形成算法
3.11 魯棒的自適應波束成形
3.11.1 對角加載方法
3.11.2 基於特征空間的方法
3.11.3 貝葉斯方法
3.11.4 基於最壞情況性能優化的方法
3.11.5 基於概率約束的方法
4DOA估計
4.1 引言
4.2 Capon算法和性能分析
4.2.1 數據模型
4.2.2 Capon算法
4.2.3 改進的Capon算法
4.2.4 Capon算法的均方誤差分析
4.3 MUSIC算法及其修正算法
4.3.1 MUSIC算法
4.3.2 MUSIC算法的推廣形式
4.3.3 MUSIC算法性能分析
4.3.4 求根MUSIC算法
4.3.5 求根MUSIC算法性能
4.4 最大似然法
4.4.1 確定性最大似然法
4.4.2 隨機性最大似然法
4.5 子空間擬合算法
4.5.1 信號子空間擬合（SSF）
4.5.2 噪聲子空間擬合（NSF）
4.5.3 子空間擬合算法性能
4.5.4 子空間擬合算法的實現
4.6 基於特征空間的DOA估計
4.6.1 信號模型
4.6.2 基於特征空間的DOA估計算法
4.7 ESPRIT算法及其修正算法
4.7.1 ESPRIT算法的基本模型
4.7.2 LS-ESPRIT算法
4.7.3 TLS-ESPRIT算法
4.7.4 ESPRIT算法理論性能
4.8 基於四階累積量的DOA估計
4.8.1 四階累積量與二階統計量之間的關系
4.8.2 四階累積量的陣列擴展特性
4.8.3 MUSIC-like算法
4.8.4 virtual-ESPRIT算法
4.9 傳播算子PM
4.9.1 譜峰搜索PM和性能分析
4.9.2 旋轉不變PM算法
4.10 基於廣義ESPRIT算法的DOA估計算法
4.10.1 陣列模型
4.10.2 頻譜搜索廣義ESPRIT方法
4.10.3 無須搜索的廣義ESPRIT算法
4.11 基於壓縮感知理論的DOA估計
4.11.1 壓縮感知基本原理
4.11.2 基於壓縮感知理論的DOA估計算法
4.12 相干信源DOA估計
4.12.1 引言
4.12.2 空間平滑算法
4.12.3 改進的MUSIC算法（IMUSIC）
4.12.4 基於Toeplitz矩陣重構的ESPRIT-like算法
4.12.5 任意陣列下的相干信號DOA估計
5二維DOA估計
5.1 引言
5.2 L型陣列中基於改進ESPRIT的二維DOA估計算法
5.2.1 數據模型
5.2.2 基於改進ESPRIT的二維DOA估計算法
5.2.3 仿真結果
5.3 L型陣列中基於PM的二維DOA估計算法
5.3.1 數據模型
5.3.2 基於PM的二維DOA估計算法
5.3.3 仿真結果
5.4 L型陣列中基於求根MUSIC的二維DOA估計算法
5.4.1 數據模型
5.4.2 基於求根MUSIC的二維DOA估計算法
5.4.3 仿真結果
5.5 L型陣列中基於平行因子技術的二維DOA估計算法
5.5.1 數據模型
5.5.2 二維DOA估計算法
5.5.3 雜度分析與克拉美-羅界
5.5.4 仿真結果
5.6 面陣中幾種2D-DOA估計算法
5.6.1 接收信號模型
5.6.2 二維MUSIC算法
5.6.3 二維Capon算法
5.6.4 二維ESPRIT算法
5.6.5 二維Unitary-ESPRIT算法
5.6.6 PARAFAC技術
5.6.7 基於壓縮感知三線性模型的二維DOA估計
5.7 均勻矩形陣中降維MUSIC的2D-DOA估計方法
5.7.1 數據模型
5.7.2 降維MUSIC（RD-MUSIC）算法
5.7.3 性能分析
5.7.4 仿真結果
5.8 基於增廣矩陣束的L型陣列的二維DOA估計
5.8.1 陣列結構與信號模型
5.8.2 基於MEMP的二維DOA估計算法
5.9 DOA矩陣方法的2D-DOA估計
5.9.1 陣列結構及信號模型
5.9.2 DOA矩陣方法
5.10 雙平行均勻線陣中基於PM算法的二維DOA估計算法
5.10.1 數據模型
5.10.2 角度估計算法
5.10.3 誤差分析和Cramer-rao界（CRB）
5.10.4 仿真結果
5.11 均勻圓陣中的二維DOA估計
5.11.1 數據模型
5.11.2 波束空間轉換
5.11.3 UCA-RB-MUSIC算法
5.11.4 UCA-Root-MUSIC算法
5.11.5 UCA-ESPRIT算法
5.12 四元數理論及其應用
5.12.1 四元數理論簡介
5.12.2 四元數在二維DOA估計中的應用
6寬帶陣列信號處理基礎和寬帶波束形成
6.1 引言
6.2 寬帶陣列信號處理基礎
6.2.1 寬帶信號的概念
6.2.2 陣列信號模型
6.3 寬帶信號源的DOA估計
6.3.1 非相干信號子空間（ISM）方法
6.3.2 相干信號子空間（CSM）方法
6.3.3 聚焦矩陣的構造方法
6.4 穩健的麥克風陣列近場寬帶波束形成
6.4.1 概述
6.4.2 基於凸優化的穩健近場寬帶波束形成器設計
6.4.3 穩健近場自適應波束形成
7陣列多參數估計
7.1 引言
7.2 角度和頻率估計的ESPRIT算法
7.2.1 數據模型
7.2.2 角度和頻率聯合估計
7.2.3 仿真結果
7.3 基於三線性分解的盲角度和頻率估計算法
7.3.1 數據模型
7.3.2 三線性分解
7.3.3 聯合角度和頻率估計
7.4 基於PM的聯合頻率和角度估計
7.4.1 數據模型
7.4.2 基於傳播算子的波達方向和頻率聯合估計方法
7.4.3 基於改進傳播算子的波達方向和頻率聯合估計方法
7.4.4 仿真結果
7.5 基於四線性分解的陣列信號二維角度和頻率聯合估計算法
7.5.1 數據模型
7.5.2 算法描述
7.5.3 仿真和分析
7.6 四元數在聯合角度頻率估計中的應用
7.7 基於DOA矩陣法的聯合角度和頻率估計
7.7.1 數據模型
7.7.2 DOA矩陣的角度-頻率的聯合估計
8極化敏感陣列信號處理
8.1 引言
8.1.1 研究背景
8.1.2 極化敏感陣列的國內外研究現狀分析
8.2 極化敏感陣中PARAFAC信號檢測法
8.2.1 信號接收模型
8.2.2 PARAFAC接收算法
8.3 極化敏感陣中基於PARAFAC的DOA和極化估計算法
8.3.1 DOA估計
8.3.2 極化估計
8.4 極化敏感陣列中基於降維MUSIC的盲DOA和極化估計
8.4.1 數據模型
8.4.2 DOA和極化估計算法
8.4.3 仿真結果
8.5 四元數在色噪聲矢量陣列信號處理中的應用
8.6 基於雙四元數理論的三分量矢量傳感器陣列參量聯合估計
8.6.1 線性均勻一致的三分量矢量傳感器陣列的雙四元數模型
8.6.2 信源波達方向和極化參量的聯合估計
9聲矢量傳感器陣列二維DOA估計
9.1 引言
9.2 基於ESPRIT算法的任意聲矢量傳感器陣列的二維波達方向估計
9.2.1 數據模型
9.2.2 ESPRIT算法
9.2.3 仿真結果
9.3 基於三線性分解的任意聲矢量傳感器陣列的二維波達方向估計
9.3.1 數據模型
9.3.2 三線性分解和DOA估計
9.3.3 仿真結果
9.4 基於PM的聲矢量傳感器陣二維DOA估計算法
9.4.1 數據模型
9.4.2 算法推導
9.4.3 仿真結果
9.5 單快拍下聲矢量傳感器陣二維相干DOA估計算法
9.5.1 數據模型
9.5.2 算法推導
9.5.3 仿真結果
9.6 聲矢量傳感器陣下非圓信號二維DOA估計算法
9.6.1 數據模型
9.6.2 算法推導
9.6.3 仿真結果
9.7 聲矢量傳感器陣中基於級聯MUSIC的二維DOA角度估計
9.7.1 數據模型
9.7.2 聲矢量傳感器陣的二維DOA角度估計
9.7.3 仿真結果
9.8 聲矢量傳感器陣列的基於PARALIND分解相干二維DOA估計算法
9.8.1 數據模型
9.8.2 相干二維角度估計
9.8.3 仿真結果
10陣列信號處理MATLAB編程
10.1 常用函數介紹
10.1.1 創建矩陣
10.1.2 zeros函數：創建全0矩陣
10.1.3 eye函數：創建單位矩陣
10.1.4 ones函數：創建全1矩陣
10.1.5 rand函數：創建均勻分布隨機矩陣
10.1.6 randn函數：創建正態分布隨機矩陣
10.1.7 hankel函數：創建Hankel矩陣
10.1.8 toeplitz函數：創建Toeplitz矩陣
10.1.9 det函數：計算方陣行列式
10.1.10 inv函數：求方陣的逆矩陣
10.1.11 pinv函數：求矩陣的偽逆矩陣
10.1.12 rank函數：求矩陣的秩
10.1.13 diag函數：抽取矩陣對角線元素
10.1.14 fliplr函數：矩陣左右翻轉
10.1.15 eig函數：矩陣特征值分解
10.1.16 svd函數：矩陣奇異值分解
10.1.17 矩陣轉置和共軛轉置
10.1.18 awgn函數：添加高斯白噪聲
10.1.19 sin函數：正弦函數
10.1.20 cos函數：余弦函數
10.1.21 tan函數：正切函數
10.1.22 asin函數：反正弦函數
10.1.23 acos函數：反余弦函數
10.1.24 atan函數：反正切函數
10.1.25 abs函數：求復數的模
10.1.26 angle函數：求復數的相位角
10.1.27 real函數：求復數的實部
10.1.28 imag函數：求復數的虛部
10.1.29 sum函數：求和函數
10.1.30 max函數：求最大值函數
10.1.31 min函數：求最小值函數
10.1.32 sort函數：排序函數
10.1.33 poly2sym函數：創建多項式
10.1.34 sym2poly函數：符號多項式轉換為數值多項式
10.1.35 roots函數：多項式求根
10.1.36 size函數：求矩陣大小
10.2 波束形成MATLAB程序
10.2.1 LCMV波束形成算法MATLAB程序
10.2.2 LMS自適應波束形成算法MATLAB程序
10.3 DOA估計算法MATLAB程序
10.3.1 MUSIC算法MATLAB程序
10.3.2 ESPRIT算法MATLAB程序
10.3.3 root-MUSIC算法MATLAB程序
10.3.4 譜峰搜索傳播算子算法MATLAB程序
10.3.5 空間平滑MUSIC算法MATLAB程序
10.4 二維DOA估計算法MATLAB程序
10.4.1 L型陣下基於2D-MUSIC的二維DOA估計算法
10.4.2 均勻圓陣下基於UCA-ESPRIT的二維DOA估計算法
10.4.3 基於增廣矩陣束的L型陣列的二維DOA估計算法
10.4.4 面陣中二維角度估計：Unitary-ESPRIT算法
10.5 信源數估計MATLAB程序
10.6 寬帶信號DOA估計MATLAB程序
思維導圖
防止博客圖床圖片失效，防止圖片源站外鏈：
http://www.processon.com/chart_image/5e5b3be1e4b0cb56dab122c0.png)
思維導圖在線編輯鏈接：