数理科学与化学 类型
可以朗读 语音朗读
290千字 字数
2020-04-01 发行日期
展开全部

主编推荐语

阵列信号处理：空间信号接收技术，具有高信号增益、抗干扰和军事、民事应用价值。

内容简介

阵列信号处理是信号处理领域的一个重要分支，它采用传感器阵列来接收空间信号。与传统的单个定向传感器相比，阵列信号处理具有灵活的波束控制、高的信号增益、极强的干扰抑制能力以及更高的空间分辨能力等优点，因而具有重要的军事、民事应用价值和广阔的应用前景。具体来说，已涉及雷达、声纳、通信、地震勘探、射电天文以及医学诊断等多种国民经济和军事应用领域。本书分10章，主要内容涵盖波束形成、DOA估计、二维DOA估计、宽带阵列信号处理、矢量传感器阵列信号处理以及其MATLAB实现等。本书在全面介绍阵列信号处理的经典理论的同时，也介绍了矢量传感器阵列信号处理以及其阵列信号处理的MATLAB实现。

目录

  • 封面
  • 前折页
  • 版权信息
  • 内容简介
  • 前言
  • 注释表
  • 缩略词
  • 第1章 绪论
  • 1.1 研究背景
  • 1.2 阵列信号处理的发展史及现状
  • 1.2.1 波束形成技术
  • 1.2.2 空间谱估计方法
  • 1.2.3 阵列多维参数估计
  • 1.3 本书的安排
  • 参考文献
  • 第2章 阵列信号处理基础
  • 2.1 矩阵代数的相关知识
  • 2.1.1 特征值与特征向量
  • 2.1.2 广义特征值与广义特征向量
  • 2.1.3 矩阵的奇异值分解
  • 2.1.4 Toeplitz矩阵
  • 2.1.5 Hankel矩阵
  • 2.1.6 Vandermonde矩阵
  • 2.1.7 Hermitian矩阵
  • 2.1.8 Kronecker乘积
  • 2.1.9 Khatri-Rao乘积
  • 2.1.10 Hadamard乘积
  • 2.1.11 向量化
  • 2.2 高阶统计量
  • 2.2.1 高阶矩、高阶累积量和高阶谱
  • 2.2.2 累积量性质
  • 2.2.3 高斯随机过程的高阶累积量
  • 2.2.4 随机场的累积量与多谱
  • 2.2.5 二维随机场的高阶矩及高阶累积量估计
  • 2.3 四元数理论
  • 2.3.1 四元数
  • 2.3.2 Hamilton四元数矩阵
  • 2.3.3 Hamilton四元数矩阵的奇异值分解
  • 2.3.4 Hamilton四元数矩阵的右特征值分解
  • 2.4 平行因子理论
  • 2.4.1 平行因子模型
  • 2.4.2 可辨识性
  • 2.4.3 PARAFAC分解
  • 2.5 信源和噪声模型
  • 2.5.1 窄带信号
  • 2.5.2 相关系数
  • 2.5.3 噪声模型
  • 2.6 阵列天线的统计模型
  • 2.6.1 前提及假设
  • 2.6.2 阵列的基本概念
  • 2.6.3 天线阵模型
  • 2.6.4 阵列的方向图
  • 2.6.5 波束宽度
  • 2.6.6 分辨率
  • 2.7 阵列响应向量/矩阵
  • 2.8 阵列协方差矩阵的特征分解
  • 2.9 信源数估计方法
  • 2.9.1 特征值分解方法
  • 2.9.2 信息论方法
  • 2.9.3 其他信源数估计方法
  • 参考文献
  • 第3章 波束形成算法
  • 3.1 波束形成定义
  • 3.2 常用的波束形成算法
  • 3.2.1 波束形成原理
  • 3.2.2 波束形成的最佳权向量
  • 3.2.3 波束形成的准则
  • 3.3 自适应波束形成算法
  • 3.3.1 自适应波束形成的最佳权向量
  • 3.3.2 权向量更新的自适应算法
  • 3.3.3 基于变换域的自适应波束形成算法
  • 3.4 广义旁瓣相消（GSC）的波束形成算法
  • 3.5 基于投影和斜投影的波束形成算法
  • 3.5.1 基于投影的波束形成算法
  • 3.5.2 基于斜投影的波束形成算法
  • 3.6 过载情况下的自适应波束形成算法
  • 3.6.1 信号模型
  • 3.6.2 近似最小方差法波束形成算法
  • 3.7 基于高阶累积量的波束形成算法
  • 3.7.1 阵列模型
  • 3.7.2 利用高阶累积量方法估计期望信号的方向向量
  • 3.7.3 基于高阶累积量的盲波束形成
  • 3.8 基于周期平稳性的波束形成算法
  • 3.8.1 阵列模型与信号周期平稳性
  • 3.8.2 CAB类盲波束形成算法
  • 3.9 基于恒模的盲波束形成算法
  • 3.9.1 信号模型
  • 3.9.2 随机梯度恒模算法
  • 3.9.3 最小二乘恒模算法（LS-CMA）
  • 3.10 稳健自适应波束形成
  • 3.10.1 对角加载方法
  • 3.10.2 基于特征空间的方法
  • 3.10.3 贝叶斯方法
  • 3.10.4 基于最坏情况性能优化的方法
  • 3.10.5 基于概率约束的方法
  • 3.11 本章小结
  • 参考文献
  • 第4章 DOA估计
  • 4.1 引言
  • 4.2 Capon算法和性能分析
  • 4.2.1 数据模型
  • 4.2.2 Capon算法
  • 4.2.3 改进的Capon算法
  • 4.2.4 Capon算法的均方误差分析
  • 4.3 MUSIC算法及其修正算法
  • 4.3.1 MUSIC算法
  • 4.3.2 MUSIC算法的推广形式
  • 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 确定性最大似然法
  • 4.4.2 随机性最大似然法
  • 4.5 子空间拟合算法
  • 4.5.1 信号子空间拟合（SSF）
  • 4.5.2 噪声子空间拟合（NSF)
  • 4.5.3 子空间拟合算法的性能
  • 4.5.4 子空间拟合算法的实现
  • 4.6 ESPRIT算法及其修正算法
  • 4.6.1 ESPRIT算法的基本模型
  • 4.6.2 LS-ESPRIT算法
  • 4.6.3 TLS-ESPRIT算法
  • 4.6.4 ESPRIT算法理论性能
  • 4.7 基于四阶累积量的DOA估计
  • 4.7.1 四阶累积量与二阶统计量之间的关系
  • 4.7.2 四阶累积量的阵列扩展特性
  • 4.7.3 MUSIC-like算法
  • 4.7.4 virtual-ESPRIT算法
  • 4.8 传播算子
  • 4.8.1 谱峰搜索传播算子和性能分析
  • 4.8.2 旋转不变PM
  • 4.9 基于广义ESPRIT算法的DOA估计算法
  • 4.9.1 阵列模型
  • 4.9.2 谱峰搜索广义ESPRIT方法
  • 4.9.3 无须搜索的广义ESPRIT算法
  • 4.10 基于压缩感知理论的DOA估计
  • 4.10.1 压缩感知基本原理
  • 4.10.2 基于压缩感知理论的DOA估计算法
  • 4.11 相干信源DOA估计
  • 4.11.1 引言
  • 4.11.2 空间平滑算法
  • 4.11.3 改进的MUSIC算法
  • 4.11.4 基于Toeplitz矩阵重构的ESPRIT算法
  • 4.12 大规模均匀线阵下基于DFT的DOA估计算法
  • 4.12.1 数据模型
  • 4.12.2 基于DFT的低复杂度DOA估计算法
  • 4.12.3 算法分析
  • 4.12.4 仿真实验
  • 4.13 本章小结
  • 参考文献
  • 第5章 二维DOA估计
  • 5.1 引言
  • 5.2 均匀面阵中基于旋转不变性的二维DOA估计算法
  • 5.2.1 数据模型
  • 5.2.2 基于ESPRIT的二维DOA估计算法
  • 5.2.3 基于PM的二维DOA估计算法
  • 5.3 均匀面阵中基于MUSIC类的二维DOA估计算法
  • 5.3.1 数据模型
  • 5.3.2 二维MUSIC算法
  • 5.3.3 降维MUSIC算法
  • 5.3.4 级联MUSIC算法
  • 5.4 均匀面阵中基于三线性分解的二维DOA估计算法
  • 5.4.1 数据模型
  • 5.4.2 三线性分解
  • 5.4.3 可辨识性分析
  • 5.4.4 二维DOA估计
  • 5.4.5 算法复杂度和优点
  • 5.4.6 仿真结果
  • 5.5 均匀面阵中基于压缩感知三线性模型的二维DOA估计
  • 5.5.1 数据模型
  • 5.5.2 三线性模型压缩
  • 5.5.3 三线性分解
  • 5.5.4 可辨识性分析
  • 5.5.5 基于稀疏恢复的二维DOA估计
  • 5.5.6 算法复杂度和优点
  • 5.5.7 仿真结果
  • 5.6 双平行线阵二维DOA估计：DOA矩阵法和扩展DOA矩阵法
  • 5.6.1 阵列结构及信号模型
  • 5.6.2 DOA矩阵法
  • 5.6.3 扩展DOA矩阵法
  • 5.6.4 性能分析与仿真
  • 5.7 均匀圆阵中二维DOA估计
  • 5.7.1 数据模型
  • 5.7.2 波束空间转换
  • 5.7.3 UCA-RB-MUSIC算法
  • 5.7.4 UCA-Root-MUSIC算法
  • 5.7.5 UCA-ESPRIT算法
  • 5.8 本章小结
  • 参考文献
  • 第6章 宽带阵列信号处理基础和宽带波束形成
  • 6.1 引言
  • 6.2 宽带阵列信号处理基础
  • 6.2.1 宽带信号的概念
  • 6.2.2 阵列信号模型
  • 6.3 宽带信号源的DOA估计
  • 6.3.1 非相干信号子空间方法（ISM）
  • 6.3.2 相干信号子空间方法（CSM）
  • 6.3.3 聚焦矩阵的构造方法
  • 6.4 稳健的麦克风阵列近场宽带波束形成
  • 6.4.1 概述
  • 6.4.2 基于凸优化的稳健近场宽带波束形成器设计
  • 6.4.3 稳健近场自适应波束形成
  • 6.5 本章小结
  • 参考文献
  • 第7章 阵列分布式信源定位
  • 7.1 引言
  • 7.2 线性阵列中基于ESPRIT的分布式信源定位算法
  • 7.2.1 数据结构
  • 7.2.2 基于ESPRIT的分布式信源定位算法
  • 7.2.3 性能分析
  • 7.2.4 仿真结果
  • 7.3 线性阵列中基于DSPE的分布式信源定位算法
  • 7.3.1 数据结构
  • 7.3.2 基于DSPE的分布式信源定位算法
  • 7.4 线性阵列中基于级联DSPE的分布式信源定位算法
  • 7.4.1 数据结构
  • 7.4.2 基于级联DSPE的分布式信源定位算法
  • 7.4.3 性能分析
  • 7.4.4 仿真结果
  • 7.5 线性阵列中基于广义ESPRIT的分布式信源定位算法
  • 7.5.1 数据结构
  • 7.5.2 基于广义ESPRIT的分布式信源定位算法
  • 7.5.3 基于多项式求根的中心DOA估计方法
  • 7.5.4 性能分析
  • 7.5.5 仿真结果
  • 7.6 移不变阵列中基于快速PARAFAC的分布式信源定位算法
  • 7.6.1 数据结构
  • 7.6.2 基于快速PARAFAC的分布式信源定位算法
  • 7.6.3 性能分析
  • 7.6.4 仿真结果
  • 7.7 本章小结
  • 参考文献
  • 第8章 阵列近场信源定位
  • 8.1 引言
  • 8.1.1 研究背景
  • 8.1.2 研究现状
  • 8.2 近场信源目标定位：二阶统计量算法
  • 8.2.1 数据模型
  • 8.2.2 基于二阶统计量的近场源参数估计算法
  • 8.2.3 算法主要步骤
  • 8.2.4 算法复杂度和优点
  • 8.2.5 仿真结果
  • 8.3 近场信源目标定位：二维MUSIC算法
  • 8.3.1 数据模型
  • 8.3.2 算法描述
  • 8.3.3 算法仿真结果
  • 8.4 近场信源目标定位：降秩MUSIC算法
  • 8.4.1 数据模型
  • 8.4.2 算法描述
  • 8.4.3 算法步骤
  • 8.4.4 算法复杂度分析
  • 8.4.5 算法优点
  • 8.4.6 仿真结果
  • 8.5 近场信源目标定位：降维MUSIC算法
  • 8.5.1 数据模型
  • 8.5.2 算法描述
  • 8.5.3 算法步骤
  • 8.5.4 算法复杂度分析
  • 8.5.5 算法优点
  • 8.5.6 仿真结果
  • 8.6 本章小结
  • 参考文献
  • 第9章 稀疏阵列DOA估计
  • 9.1 引言
  • 9.2 稀疏阵列结构
  • 9.2.1 互质线阵与差分阵列
  • 9.2.2 Nested阵
  • 9.2.3 互质线阵优化
  • 9.2.4 Nested阵优化
  • 9.3 互质阵DOA估计：解模糊方法
  • 9.3.1 数据模型
  • 9.3.2 基于MUSIC的DOA估计算法
  • 9.3.3 基于ESPRIT的DOA估计算法
  • 9.3.4 仿真结果
  • 9.4 互质线阵DOA估计：空间平滑算法
  • 9.4.1 数据模型
  • 9.4.2 基于SS-MUSIC的DOA估计算法
  • 9.4.3 基于SS-ESPRIT的DOA估计算法
  • 9.4.4 仿真结果
  • 9.5 互质阵DOA估计：非空间平滑算法
  • 9.5.1 数据模型
  • 9.5.2 基于DFT的DOA估计算法
  • 9.5.3 基于CS的DOA估计算法
  • 9.5.4 仿真结果
  • 9.6 本章小结
  • 参考文献
  • 第10章 极化敏感阵列信号处理
  • 10.1 引言
  • 10.1.1 研究背景
  • 10.1.2 极化敏感阵列的国内外研究现状分析
  • 10.2 极化敏感阵列中PARAFAC信号检测法
  • 10.2.1 信号接收模型
  • 10.2.2 PARAFAC接收算法
  • 10.3 极化敏感阵列中的PARAFAC信号的DOA和极化估计算法
  • 10.3.1 DOA估计
  • 10.3.2 极化估计
  • 10.4 极化敏感阵列中基于降维MUSIC的盲DOA和极化估计
  • 10.4.1 数据模型
  • 10.4.2 DOA和极化估计算法
  • 10.4.3 仿真结果
  • 10.5 基于四元数的向量阵列的参数估计算法
  • 10.6 基于双四元数理论的三分量向量传感器阵列参量联合估计
  • 10.6.1 线性均匀一致的三分量向量传感器阵列的双四元数模型
  • 10.6.2 信源波达方向和极化参量的联合估计
  • 10.7 本章小结
  • 参考文献
  • 第11章 声向量传感器阵列二维DOA估计
  • 11.1 引言
  • 11.2 基于ESPRIT算法的任意声向量传感器阵列的二维波达方向估计
  • 11.2.1 数据模型
  • 11.2.2 ESPRIT算法
  • 11.2.3 仿真结果
  • 11.3 基于三线性分解的任意声向量传感器阵列的二维波达方向估计
  • 11.3.1 数据模型
  • 11.3.2 三线性分解和DOA估计
  • 11.3.3 仿真结果
  • 11.4 基于PM的声向量传感器阵列二维DOA估计算法
  • 11.4.1 数据模型
  • 11.4.2 算法推导
  • 11.4.3 仿真结果
  • 11.5 单快拍下声向量传感器阵列二维相干DOA估计算法
  • 11.5.1 数据模型
  • 11.5.2 算法推导
  • 11.5.3 仿真结果
  • 11.6 声向量传感器阵列下非圆信号二维DOA估计算法
  • 11.6.1 数据模型
  • 11.6.2 算法推导
  • 11.6.3 仿真结果
  • 11.7 声向量传感器阵列中基于级联MUSIC的二维DOA估计
  • 11.7.1 数据模型
  • 11.7.2 声向量传感器阵列中的二维DOA估计
  • 11.7.3 仿真结果
  • 11.8 声向量传感器阵列中基于PARALIND分解相干二维DOA估计算法
  • 11.8.1 数据模型
  • 11.8.2 相干二维角度估计
  • 11.8.3 仿真结果
  • 11.9 本章小结
  • 参考文献
  • 第12章 阵列信号处理MATLAB编程
  • 12.1 常用函数介绍
  • 12.1.1 创建矩阵
  • 12.1.2 zeros函数：创建全0矩阵
  • 12.1.3 eye函数：创建单位矩阵
  • 12.1.4 ones函数：创建全1矩阵
  • 12.1.5 rand函数：创建均匀分布随机矩阵
  • 12.1.6 randn函数：创建正态分布随机矩阵
  • 12.1.7 hankel函数：创建Hankel矩阵
  • 12.1.8 toeplitz函数：创建Toeplitz矩阵
  • 12.1.9 det函数：计算方阵行列式
  • 12.1.10 inv函数：求方阵的逆矩阵
  • 12.1.11 pinv函数：求矩阵的伪逆矩阵
  • 12.1.12 rank函数：求矩阵的秩
  • 12.1.13 diag函数：抽取矩阵对角线元素
  • 12.1.14 fliplr函数：矩阵左右翻转
  • 12.1.15 eig函数：矩阵特征值分解
  • 12.1.16 svd函数：矩阵奇异值分解
  • 12.1.17 矩阵转置和共轭转置
  • 12.1.18 awgn函数：添加高斯白噪声
  • 12.1.19 sin函数：正弦函数
  • 12.1.20 cos函数：余弦函数
  • 12.1.21 tan函数：正切函数
  • 12.1.22 asin函数：反正弦函数
  • 12.1.23 acos函数：反余弦函数
  • 12.1.24 atan函数：反正切函数
  • 12.1.25 abs函数：求复数的模
  • 12.1.26 angle函数：求复数的相位角
  • 12.1.27 real函数：求复数的实部
  • 12.1.28 imag函数：求复数的虚部
  • 12.1.29 sum函数：求和函数
  • 12.1.30 max函数：求最大值函数
  • 12.1.31 min函数：求最小值函数
  • 12.1.32 sort函数：排序函数
  • 12.1.33 poly2sym函数：创建多项式
  • 12.1.34 sym2poly函数：将符号多项式转换为数值多项式
  • 12.1.35 roots函数：多项式求根
  • 12.1.36 size函数：求矩阵大小
  • 12.2 波束形成MATLAB程序
  • 12.2.1 LCMV波速形成算法MATLAB程序
  • 12.2.2 LMS自适应波速形成MATLAB程序
  • 12.3 DOA估计算法MATLAB程序
  • 12.3.1 MUSIC算法MATLAB程序
  • 12.3.2 ESPRIT算法MATLAB程序
  • 12.3.3 root-MUSIC算法MATLAB程序
  • 12.3.4 谱峰搜索传播算子算法MATLAB程序
  • 12.3.5 空间平滑MUSIC算法MATLAB程序
  • 12.4 二维DOA估计算法MATLAB程序
  • 12.4.1 L型阵列下基于二维MUSIC的二维DOA估计算法
  • 12.4.2 均匀圆阵下基于UCA-ESPRIT的二维DOA估计算法
  • 12.4.3 基于增广矩阵束的L型阵列的二维DOA估计算法
  • 12.4.4 面阵中二维角度估计：Unitary-ESPRIT算法
  • 12.5 信源数估计MATLAB程序
  • 12.6 宽带信号DOA估计MATLAB程序
  • 12.7 本章小结
  • 参考文献
  • 封底
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。