陣列信號處理基礎(第2版)

第1章 預備知識
1.1 陣列基本組成及其結構
1.2.1 窄帶解調模型
1.2.2 寬帶解調模型
1.2.3 非解調模型
1.3 陣列信號的二階統計特性
1.3.1 窄帶情形
1.3.2 寬帶與非調制情形
1.4 陣列校正
1.4.1 窄帶情形
1.4.2 寬帶情形
習題
第2章 窄帶陣列波束形成
2.1 基本概念
2.2 典型方法
2.2.1 抑制噪聲波束形成
2.2.2 抑制幹擾與噪聲波束形成
2.2.3 統計最優波束形成器的等效性及其最優性
2.2.4 無失真響應波束形成器的“幹擾對消”解釋
2.2.5 線性約束最小方差和最小功率波束形成器
2.3 自適應波束形成
2.3.1 非連續自適應波束形成
2.3.2 連續自適應波束形成
2.4 魯棒自適應波束形成
2.4.1 信號加幹擾子空間投影方法
2.4.2 增加約束方法
2.4.3 對角加載方法
2.4.4 不確定集約束方法
2.5 波束方向圖的優化與合成
2.5.1 加窗波束優化
2.5.2 凸優化波束方向圖合成
2.5.3 最小二乘波束方向圖合成
習題
第3章 窄帶陣列信號波達方向估計
3.1 問題描述
3.2 非相幹信號波達方向估計
3.2.1 波束掃描方法
3.2.2 多重信號分類(MUSIC)方法
3.2.3 旋轉不變信號參數估計(ESPRIT)方法
3.3 相幹信號波達方向估計
3.3.1 最小二擬合方法
3.3.2 信號子空間擬合方法
3.3.3 數據平滑方法
3.3.4 空域稀疏表示方法
習題
第4章 窄帶陣列孔徑擴展
4.1 問題描述
4.2 陣元間距非均勻化配置
4.2.1 最小冗餘線陣
4.2.2 嵌套與互質線陣
4.3 陣元響應多樣化配置
4.3.1 矢量傳感陣列波束形成
4.3.2 矢量傳感陣列信號波達方向估計
4.4 非高斯信號高階累積量方法
4.4.1 高階累積量陣列孔徑擴展原理
4.4.2 高階累積量測向方法
4.4.3 高階稀疏線陣
4.5 非圓信號數據增廣方法
4.5.1 寬線性波束形成
4.5.2 非圓信號波達方向估計
4.5.3 非圓稀疏線陣
4.6 循環平穩信號數據增廣方法
習題
第5章 信號頻率和波達方向的聯合估計
5.1 問題描述
5.2 典型方法
5.2.1 二維波束掃描方法
5.2.2 二維子空間分解方法
5.2.3 最小二乘擬合方法
5.2.4 正則化最小二乘擬合測向方法
習題
第6章 寬帶陣列信號處理
6.1 信號波達方向估計
6.1.1 問題描述
6.1.2 子帶波束掃描方法
6.1.3 非相幹信號子空間方法
6.1.4 相幹信號子空間方法
6.1.5 信號子空間加權平均方法
6.1.6 聚焦旋轉不變信號參數估計方法
6.1.7 投影子空間正交性檢驗方法
6.1.8 協方差擬合方法
6.1.9 譜相關子空間分解方法
6.2 寬帶波束形成
6.2.1 時域方法
6.2.2 頻域方法
習題
第7章 基於機器學習的陣列信號處理
7.1 支持矢量機方法
7.1.1 線性回歸最小功率波束形成器
7.1.2 基於參考信號的支持矢量機波束形成器
7.1.3 支持矢量回歸測向方法
7.1.4 支持矢量分類測向方法
7.1.5 支持矢量空間譜估計測向方法
7.2 相關矢量機方法
7.3 神經網絡方法
7.3.1 基於Hopfield型神經網絡的波束形成器
7.3.2 基於徑向基函數神經網絡的波束形成器
7.3.3 基於深度學習的波束形成器
7.3.4 基於Hopfield型神經網絡的測向方法
7.3.5 基於徑向基函數神經網絡的測向方法
7.3.6 基於Oja型神經網絡的測向方法
7.3.7 基於深度學習的測向方法
習題
附錄A 特征子空間理論
附錄B 克拉美-羅下界
附錄C 習題參考答案
參考文獻