近場(chǎng)源參數(shù)估計(jì)理論與方法

前言
第1章 緒論
1．1 引言
1．2 研究歷史與現(xiàn)狀
1．2．1 一維空間接收陣列模型
1．2．2 標(biāo)量傳感器陣列近場(chǎng)源參數(shù)估計(jì)方法研究現(xiàn)狀
1．2．3 極化敏感陣列近場(chǎng)源參數(shù)估計(jì)方法研究現(xiàn)狀
1．2．4 循環(huán)平穩(wěn)近場(chǎng)源參數(shù)估計(jì)方法研究現(xiàn)狀
1．2．5 寬帶近場(chǎng)源參數(shù)估計(jì)方法研究現(xiàn)狀
1．2．6 近場(chǎng)源參數(shù)估計(jì)存在的問題
1．3 本書研究主要內(nèi)容
第2章 基礎(chǔ)知識(shí)
2．1 矩陣代數(shù)相關(guān)知識(shí)
2．1．1 特征值分解
2．1．2 廣義特征值分解
2．1．3 奇異值分解
2．1．4 M-P廣義逆
2．1．5 Toepliu矩陣
2．1．6 Hennitian矩陳
2．1．7 Kronecker乘積
2．2 高階累積量
2．2．1 高階矩和高階累積量
2．2．2 高階累積量的性質(zhì)
2．3 極化敏感陣列理論
2．3．1 電磁波極化的物理意義
2．3．2 電磁矢量傳感器
2．3．3 極化敏感陣列
2．3．4 陣列工作模式
2．3．5 陣列接收模型
2．4 分?jǐn)?shù)低階統(tǒng)計(jì)量
2．4．1 a穩(wěn)定分布概念
2．4．2 分?jǐn)?shù)低階矩
2．4．3 共變
2．4．4 零階矩
2．4．5 SaS穩(wěn)定分布隨機(jī)過程基本性質(zhì)
2．5 分?jǐn)?shù)階傅里葉變換
2．5．1 分?jǐn)?shù)階傅里葉變換定義
2．5．2 分?jǐn)?shù)階傅里葉變換性質(zhì)
2．5．3 分?jǐn)?shù)階傅里葉變換特點(diǎn)
2．6 循環(huán)統(tǒng)計(jì)量與高階循環(huán)統(tǒng)計(jì)量理論
2．6．1 循環(huán)相關(guān)函數(shù)
2．6．2 高階循環(huán)矩和高階循環(huán)累積量
2．6．3 循環(huán)累積量的特性
2．7 多級(jí)維納濾波器理論
2．7．1 基本維納濾波器
2．7．2 多級(jí)維納濾波器
2．7．3 多級(jí)維納濾波器特點(diǎn)
2．8 本章小結(jié)
第3章 基于四階累積量的近場(chǎng)源參數(shù)估計(jì)
3．1 引言
3．2 基于子空間分解的近場(chǎng)源二維參數(shù)估計(jì)算法
3．2．1 接收陣列與信號(hào)模型
3．2．2 算法描述
3．2．3 仿真實(shí)驗(yàn)
3．2．4 結(jié)論
3．3 基于子空間分解的近場(chǎng)源空間三維參數(shù)聯(lián)合估計(jì)算法．
3．3．1 接收陣列與信號(hào)模型
3．3．2 算法描述
3．3．3 仿真實(shí)驗(yàn)
3．3．4 結(jié)論
3．4 基于矩陣束的近場(chǎng)源空間三維參數(shù)聯(lián)合估計(jì)算法
3．4．1 接收陣列與信號(hào)模型
3．4．2 算法描述
3．4．3 仿真實(shí)驗(yàn)
3．4．4 結(jié)論
3．5 基于白化降維的近場(chǎng)源空間三維參數(shù)聯(lián)合估計(jì)算法
3．5．1 接收陣列與信號(hào)模型
3．5．2 算法描述
3．5．3 仿真實(shí)驗(yàn)
3．5．4 結(jié)論
3．6 本章小結(jié)
第4章 基于二維極化敏感陣列的近場(chǎng)源參數(shù)估計(jì)
4．1 引言
4．2 基于二階統(tǒng)計(jì)量的近場(chǎng)源五維參數(shù)聯(lián)合估計(jì)算法
4．2．1 接收陣列與信號(hào)模型
4．2．2 算法描述
4．2．3 仿真實(shí)驗(yàn)
4．2．4 結(jié)論
4．3 基于矩陣束的近場(chǎng)源五維參數(shù)聯(lián)合估計(jì)算法
4．3．1 接收陣列模型
4．3．2 算法描述
4．3．3 仿真實(shí)驗(yàn)
4．3．4 結(jié)論
4．4 基于子空間分解的近場(chǎng)源五維參數(shù)聯(lián)合估計(jì)算法
4．4．1 接收陣列模型
4．4．2 算法描述
4．4．3 仿真實(shí)驗(yàn)
4．4．4 結(jié)論
4．5 基于聯(lián)合對(duì)角化的近場(chǎng)源五維參數(shù)聯(lián)合估計(jì)算法
4．5．1 接收陣列與信號(hào)模型
4．5．2 算法描述
4．5．3 仿真實(shí)驗(yàn)
4．5．4 結(jié)論
4．6 本章小結(jié)
第5章 沖擊噪聲下近場(chǎng)源二維參數(shù)估計(jì)
5．1 引言
5．2 基于FLOS-ESPRIT的近場(chǎng)源二維參數(shù)估計(jì)算法
5．2．1 接收陣列與信號(hào)模型
5．2．2 算法描述
5．2．3 仿真實(shí)驗(yàn)
5．2．4 結(jié)論
5．3 本章小結(jié)
第6章 基于傳播算子的近場(chǎng)源二維參數(shù)估計(jì)
6．1 引言
6．2 基于PM-MUSIC的近場(chǎng)源二維參數(shù)聯(lián)合估計(jì)算法
6．2．1 接收陣列與信號(hào)模型
6．2．2 算法描述
6．2．3 仿真實(shí)驗(yàn)
6．2．4 結(jié)論
6．3 基于PM-ROOT一MUSIC的近場(chǎng)源二維參數(shù)估計(jì)算法
6．3．1 接收陣列與信號(hào)模型
6．3．2 算法描述
6．3．3 仿真實(shí)驗(yàn)
6．3．4 結(jié)論
6．4 本章小結(jié)
第7章 寬帶近場(chǎng)源二維參數(shù)快速估計(jì)算法
7．1 引言
7．2 基于ISM-PM的寬帶近場(chǎng)源二維參數(shù)快速估計(jì)算法
7．2．1 接收陣列與信號(hào)模型
7．2．2 算法描述
7．2．3 仿真實(shí)驗(yàn)
7．2．4 結(jié)論
7．3 基于CSM-PM的寬帶近場(chǎng)源二維參數(shù)快速估計(jì)算法
7，3．1 接收陣列與信號(hào)模型
7．3．2 算法描述
7．3．3 仿真實(shí)驗(yàn)
7．3．4 結(jié)論
7．4 基于ISM-MSWF的寬帶近場(chǎng)源二維參數(shù)快速估計(jì)算法
7．4．1 接收陣列與信號(hào)模型
7．4．2 算法描述
7．4．3 仿真實(shí)驗(yàn)
7．4．4 結(jié)論
7．5 基于CSM-MSWF的寬帶近場(chǎng)源二維參數(shù)快速估計(jì)算法
7．5．1 接收陣列與信號(hào)模型
7．5．2 算法描述
7．5．3 仿真實(shí)驗(yàn)
7．5．4 結(jié)論
7．6 本章小結(jié)
第8章 寬帶循環(huán)平穩(wěn)近場(chǎng)源二維參數(shù)快速估計(jì)算法
8．1 引言
8．2 基于傳播算子的寬帶循環(huán)平穩(wěn)源二維參數(shù)快速估計(jì)算法
8．2．1 接收陣列與信號(hào)模型
8．2．2 算法描述
8．2．3 仿真實(shí)驗(yàn)
8．2．4 結(jié)論
8．3 本章小結(jié)
第9章 寬帶非平穩(wěn)近場(chǎng)源二維參數(shù)估計(jì)
9．1 引言
9．2 基于FRFr的寬帶非平穩(wěn)近場(chǎng)源二維參數(shù)估計(jì)算法
9．2．1 接收陣列與信號(hào)模型
9．2．2 算法描述
9．2．3 仿真實(shí)驗(yàn)
9．2．4 結(jié)論
9．3 本章小結(jié)
參考文獻(xiàn)