目 录__eol__第1章 绪论 1__eol__1.1 研究背景 1__eol__1.2 阵列信号处理的发展史及现状 1__eol__1.2.1 波束形成技术 2__eol__1.2.2 空间谱估计方法 4__eol__1.2.3 阵列多维参数估计 7__eol__1.3 本书的安排 9__eol__参考文献 10__eol__第2章 阵列信号处理基础 17__eol__2.1 矩阵代数的相关知识 17__eol__2.1.1 特征值与特征向量 17__eol__2.1.2 广义特征值与广义特征向量 17__eol__2.1.3 矩阵的奇异值分解 18__eol__2.1.4 Toeplitz矩阵 18__eol__2.1.5 Hankel矩阵 19__eol__2.1.6 Vandermonde矩阵 19__eol__2.1.7 Hermitian矩阵 19__eol__2.1.8 Kronecker乘积 20__eol__2.1.9 Khatri-Rao乘积 21__eol__2.1.10 Hadamard乘积 21__eol__2.1.11 向量化 22__eol__2.2 高阶统计量 22__eol__2.2.1 高阶矩、高阶累积量和高阶谱 22__eol__2.2.2 累积量性质 24__eol__2.2.3 高斯随机过程的高阶累积量 25__eol__2.2.4 随机场的累积量与多谱 26__eol__2.2.5 二维随机场的高阶矩及高阶累积量估计 28__eol__2.3 四元数理论 29__eol__2.3.1 四元数 29__eol__2.3.2 Hamilton四元数矩阵 30__eol__2.3.3 Hamilton四元数矩阵的奇异值分解 30__eol__2.3.4 Hamilton四元数矩阵的右特征值分解 32__eol__2.4 平行因子理论 33__eol__2.4.1 平行因子模型 33__eol__2.4.2 可辨识性 34__eol__2.4.3 PARAFAC分解 36__eol__2.5 信源和噪声模型 37__eol__2.5.1 窄带信号 37__eol__2.5.2 相关系数 37__eol__2.5.3 噪声模型 38__eol__2.6 阵列天线的统计模型 38__eol__2.6.1 前提及假设 38__eol__2.6.2 阵列的基本概念 38__eol__2.6.3 天线阵模型 40__eol__2.6.4 阵列的方向图 41__eol__2.6.5 波束宽度 42__eol__2.6.6 分辨率 43__eol__2.7 阵列响应向量/矩阵 44__eol__2.8 阵列协方差矩阵的特征分解 47__eol__2.9 信源数估计方法 50__eol__2.9.1 特征值分解方法 50__eol__2.9.2 信息论方法 50__eol__2.9.3 其他信源数估计方法 52__eol__参考文献 52__eol__第3章 波束形成算法 54__eol__3.1 波束形成定义 54__eol__3.2 常用的波束形成算法 55__eol__3.2.1 波束形成原理 55__eol__3.2.2 波束形成的最佳权向量 56__eol__3.2.3 波束形成的准则 59__eol__3.3 自适应波束形成算法 60__eol__3.3.1 自适应波束形成的最佳权向量 60__eol__3.3.2 权向量更新的自适应算法 63__eol__3.3.3 基于变换域的自适应波束形成算法 64__eol__3.4 广义旁瓣相消（GSC）的波束形成算法 65__eol__3.5 基于投影和斜投影的波束形成算法 66__eol__3.5.1 基于投影的波束形成算法 66__eol__3.5.2 基于斜投影的波束形成算法 68__eol__3.6 过载情况下的自适应波束形成算法 70__eol__3.6.1 信号模型 70__eol__3.6.2 近似最小方差法波束形成算法 71__eol__3.7 基于高阶累积量的波束形成算法 72__eol__3.7.1 阵列模型 73__eol__3.7.2 利用高阶累积量方法估计期望信号的方向向量 74__eol__3.7.3 基于高阶累积量的盲波束形成 74__eol__3.8 基于周期平稳性的波束形成算法 74__eol__3.8.1 阵列模型与信号周期平稳性 75__eol__3.8.2 CAB类盲波束形成算法 76__eol__3.9 基于恒模的盲波束形成算法 78__eol__3.9.1 信号模型 78__eol__3.9.2 随机梯度恒模算法 78__eol__3.9.3 最小二乘恒模算法（LS-CMA） 79__eol__3.10 稳健自适应波束形成 81__eol__3.10.1 对角加载方法 82__eol__3.10.2 基于特征空间的方法 82__eol__3.10.3 贝叶斯方法 83__eol__3.10.4 基于最坏情况性能优化的方法 84__eol__3.10.5 基于概率约束的方法 84__eol__3.11 本章小结 85__eol__参考文献 85__eol__第4章 DOA估计 89__eol__4.1 引言 89__eol__4.2 Capon算法和性能分析 90__eol__4.2.1 数据模型 90__eol__4.2.2 Capon算法 90__eol__4.2.3 改进的Capon算法 91__eol__4.2.4 Capon算法的均方误差分析 92__eol__4.3 MUSIC算法及其修正算法 95__eol__4.3.1 MUSIC算法 95__eol__4.3.2 MUSIC算法的推广形式 96__eol__4.3.3 MUSIC算法性能分析 98__eol__4.3.4 求根MUSIC算法 102__eol__4.3.5 求根MUSIC算法性能 103__eol__4.4 最大似然法 103__eol__4.4.1 确定性最大似然法 104__eol__4.4.2 随机性最大似然法 105__eol__4.5 子空间拟合算法 106__eol__4.5.1 信号子空间拟合（SSF） 107__eol__4.5.2 噪声子空间拟合（NSF) 108__eol__4.5.3 子空间拟合算法的性能 109__eol__4.5.4 子空间拟合算法的实现 111__eol__4.6 ESPRIT算法及其修正算法 118__eol__4.6.1 ESPRIT算法的基本模型 118__eol__4.6.2 LS-ESPRIT算法 121__eol__4.6.3 TLS-ESPRIT算法 122__eol__4.6.4 ESPRIT算法理论性能 123__eol__4.7 基于四阶累积量的DOA估计 126__eol__4.7.1 四阶累积量与二阶统计量之间的关系 126__eol__4.7.2 四阶累积量的阵列扩展特性 128__eol__4.7.3 MUSIC-like算法 129__eol__4.7.4 virtual-ESPRIT算法 130__eol__4.8 传播算子 132__eol__4.8.1 谱峰搜索传播算子和性能分析 132__eol__4.8.2 旋转不变PM 138__eol__4.9 基于广义ESPRIT算法的DOA估计算法 140__eol__4.9.1 阵列模型 140__eol__4.9.2 谱峰搜索广义ESPRIT方法 141__eol__4.9.3 无须搜索的广义ESPRIT算法 143__eol__4.10 基于压缩感知理论的DOA估计 144__eol__4.10.1 压缩感知基本原理 144__eol__4.10.2 基于压缩感知理论的DOA估计算法 148__eol__4.11 相干信源DOA估计 148__eol__4.11.1 引言 148__eol__4.11.2 空间平滑算法 150__eol__4.11.3 改进的MUSIC算法 151__eol__4.11.4 基于Toeplitz矩阵重构的ESPRIT算法 152__eol__4.12 大规模均匀线阵下基于DFT的DOA估计算法 154__eol__4.12.1 数据模型 155__eol__4.12.2 基于DFT的低复杂度DOA估计算法 155__eol__4.12.3 算法分析 157__eol__4.12.4 仿真实验 160__eol__4.13 本章小结 161__eol__参考文献 161__eol__第5章 二维DOA估计 167__eol__5.1 引言 167__eol__5.2 均匀面阵中基于旋转不变性的二维DOA估计算法 168__eol__5.2.1 数据模型 168__eol__5.2.2 基于ESPRIT的二维DOA估计算法 170__eol__5.2.3 基于PM的二维DOA估计算法 174__eol__5.3 均匀面阵中基于MUSIC类的二维DOA估计算法 180__eol__5.3.1 数据模型 181__eol__5.3.2 二维MUSIC算法 181__eol__5.3.3 降维MU