傳感器陣列信源定位

第1章  緒論 1
1．1  研究背景 1
1．2  傳感器陣列信源定位發(fā)展及現(xiàn)狀 1
1．2．1  空間譜估計方法 2
1．2．2  陣列多維參數(shù)估計 4
1．3  本書的安排 7
參考文獻 8
第2章  傳感器陣列基礎(chǔ) 13
2．1  矩陣代數(shù)的相關(guān)知識 13
2．1．1  特征值與特征向量 13
2．1．2  廣義特征值與廣義特征向量 13
2．1．3  矩陣的奇異值分解 13
2．1．4  Toeplitz矩陣 14
2．1．5  Hankel矩陣 14
2．1．6  Vandermonde矩陣 15
2．1．7  Hermitian矩陣 15
2．1．8  Kronecker積 15
2．1．9  Khatri-Rao積 16
2．1．10  Hadamard積 17
2．1．11  向量化 17
2．2  信源和噪聲模型 18
2．2．1  窄帶信號 18
2．2．2  相關(guān)系數(shù) 18
2．2．3  噪聲模型 19
2．3  陣列天線的統(tǒng)計模型 19
2．3．1  前提及假設(shè) 19
2．3．2  陣列的基本概念 19
2．3．3  天線陣列模型 21
2．3．4  陣列的方向圖 22
2．3．5  波束寬度 23
2．3．6  分辨率 24
2．4  陣列響應(yīng)矢量/矩陣 25
2．5  陣列協(xié)方差矩陣的特征值分解 29
2．6  信源數(shù)估計方法 31
2．6．1  特征值分解方法 32
2．6．2  信息論方法 32
2．6．3  其他信源數(shù)估計方法 33
參考文獻 34
第3章  一維空間譜估計 36
3．1  引言 36
3．2  Capon算法和性能分析 37
3．2．1  數(shù)據(jù)模型 37
3．2．2  Capon算法 37
3．2．3  改進的Capon算法 38
3．2．4  Capon算法的均方誤差分析 39
3．3  MUSIC算法及其修正算法 42
3．3．1  MUSIC算法 42
3．3．2  MUSIC算法的推廣形式 43
3．3．3  MUSIC算法的性能分析 45
3．3．4  求根MUSIC算法 48
3．4  最大似然法 50
3．4．1  確定性最大似然法 51
3．4．2  隨機性最大似然法 52
3．5  子空間擬合算法 53
3．5．1  信號子空間的擬合（SSF） 54
3．5．2  噪聲子空間的擬合（NSF） 55
3．5．3  子空間擬合算法的性能分析 56
3．5．4  子空間擬合算法的實現(xiàn) 58
3．6  ESPRIT算法及其修正算法 65
3．6．1  ESPRIT算法 65
3．6．2  LS-ESPRIT算法 68
3．6．3  TLS-ESPRIT算法 69
3．6．4  ESPRIT算法的理論性能 70
3．7  基于四階累積量的DOA估計 73
3．7．1  四階累積量與二階統(tǒng)計量之間的關(guān)系 74
3．7．2  四階累積量的陣列擴展特性 75
3．7．3  MUSIC-like算法 77
3．7．4  virtual-ESPRIT算法 77
3．8  傳播算子 79
3．8．1  譜峰搜索傳播算子 79
3．8．2  旋轉(zhuǎn)不變傳播算子 85
3．9  基于廣義ESPRIT算法的DOA估計 87
3．9．1  陣列模型 87
3．9．2  譜搜索廣義ESPRIT方法 88
3．9．3  無須搜索的廣義ESPRIT算法 89
3．10  基于壓縮感知理論的DOA估計 90
3．10．1  壓縮感知理論的基礎(chǔ)知識 90
3．10．2  基于壓縮感知理論的DOA估計算法 95
3．11  相干信源DOA估計 95
3．11．1  空間平滑算法 97
3．11．2  改進的MUSIC算法（IMUSIC） 98
3．11．3  基于Toeplitz矩陣重構(gòu)的ESPRIT-like算法 99
3．11．4  任意陣列下的相干信號DOA估計 101
3．12  大規(guī)模均勻線陣下基于DFT技術(shù)的DOA估計算法 104
3．12．1  數(shù)據(jù)模型 105
3．12．2  基于DFT技術(shù)的低復(fù)雜度DOA估計算法 105
3．12．3  算法分析 107
3．12．4  仿真實驗 110
參考文獻 112
第4章  二維空間譜估計 118
4．1  引言 118
4．2  均勻面陣中基于旋轉(zhuǎn)不變性的二維DOA估計算法 119
4．2．1  數(shù)據(jù)模型 119
4．2．2  基于ESPRIT的二維DOA估計算法 121
4．2．3  基于PM的二維DOA估計算法 127
4．3  均勻面陣中基于MUSIC類的二維DOA估計算法 137
4．3．1  2D-MUSIC算法 137
4．3．2  降維MUSIC算法 139
4．3．3  級聯(lián)MUSIC算法 148
4．4  均勻面陣中基于三線性分解的二維DOA估計算法 153
4．4．1  數(shù)據(jù)模型 153
4．4．2  三線性分解 154
4．4．3  可辨識性分析 155
4．4．4  基于三線性分解的二維DOA估計 156
4．4．5  算法復(fù)雜度和優(yōu)點 158
4．4．6  仿真結(jié)果 158
4．5  均勻面陣中基于壓縮感知三線性模型的二維DOA估計算法 162
4．5．1  三線性模型壓縮 162
4．5．2  三線性分解 163
4．5．3  可辨識性分析 164
4．5．4  基于稀疏恢復(fù)的二維DOA估計 165
4．5．5  算法復(fù)雜度和優(yōu)點 166
4．5．6  仿真結(jié)果 167
4．6  雙平行線陣中基于DOA矩陣方法的二維DOA估計算法 170
4．6．1  陣列結(jié)構(gòu)和信號模型 170
4．6．2  DOA矩陣方法 171
4．7  圓陣中的二維DOA估計算法 172
4．7．1  數(shù)據(jù)模型 172
4．7．2  波束空間轉(zhuǎn)換 173
4．7．3  UCA-RB-MUSIC算法 174
4．7．4  UCA-Root-MUSIC算法 175
4．7．5  UCA-ESPRIT算法 175
4．8  本章小結(jié) 176
參考文獻 177
第5章  傳感器陣列中非圓信號的空間譜估計 179
5．1  引言 179
5．2  均勻線陣中基于NC-ESPRIT的非圓信號DOA估計算法 180
5．2．1  數(shù)據(jù)模型 180
5．2．2  NC-ESPRIT算法 181
5．2．3  算法復(fù)雜度和優(yōu)點 183
5．2．4  克拉美?羅界 183
5．2．5  仿真結(jié)果 187
5．3  非均勻線陣中基于降維NC-Capon的非圓信號DOA估計算法 189
5．3．1  數(shù)據(jù)模型 189
5．3．2  數(shù)據(jù)擴展 190
5．3．3  2D-NC-Capon算法 191
5．3．4  降維NC-Capon算法 191
5．3．5  性能分析 193
5．3．6  仿真結(jié)果 195
5．4  非均勻線陣中基于降維NC-MUSIC的非圓信號DOA估計算法 199
5．4．1  2D-NC-MUSIC算法 199
5．4．2  降維NC-MUSIC算法 200
5．4．3  性能分析 201
5．4．4  仿真結(jié)果 203
5．5  線陣中基于NC-GESPRIT的非圓信號DOA估計算法 206
5．5．1  數(shù)據(jù)模型 206
5．5．2  頻譜搜索NC-GESPRIT算法 207
5．5．3  求根NC-GESPRIT算法 209
5．5．4  算法優(yōu)點 209
5．5．5  仿真結(jié)果 210
5．6  本章小結(jié) 214
參考文獻 214
第6章  傳感器陣列DOA跟蹤 216
6．1  引言 216
6．2  L型陣列中基于PAST的DOA跟蹤算法 217
6．2．1  數(shù)據(jù)模型 217
6．2．2  PAST算法 218
6．2．3  復(fù)雜度和CRB 222
6．2．4  仿真結(jié)果 226
6．3  面陣中基于自適應(yīng)PARAFAC的DOA跟蹤算法 227
6．3．1  數(shù)據(jù)模型 228
6．3．2  PARAFAC-RLST算法 229
6．3．3  復(fù)雜度和CRB 233
6．3．4  仿真結(jié)果 233
6．4  線陣中基于Kalman濾波和OPASTd的DOA跟蹤算法 235
6．4．1  數(shù)據(jù)模型 235
6．4．2  Kalman濾波和OPASTd算法 236
6．4．3  復(fù)雜度和CRB 240
6．4．4  仿真結(jié)果 241
6．5  本章小結(jié) 243
參考文獻 243
第7章  傳感器陣列分布式信源定位 245
7．1  引言 245
7．2  線性陣列中基于ESPRIT的分布式信源定位算法 248
7．2．1  數(shù)據(jù)結(jié)構(gòu) 248
7．2．2  基于ESPRIT的分布式信源定位算法 250
7．2．3  性能分析 253
7．2．4  仿真結(jié)果 254
7．3  線性陣列中基于DSPE的分布式信源定位算法 257
7．4  線性陣列中基于級聯(lián)DSPE的分布式信源定位算法 258
7．4．1  基于級聯(lián)DSPE的分布式信源定位算法 258
7．4．2  性能分析 260
7．4．3  仿真結(jié)果 261
7．5  線性陣列中基于廣義ESPRIT的分布式信源定位算法 268
7．5．1  數(shù)據(jù)結(jié)構(gòu) 268
7．5．2  基于廣義ESPRIT的分布式信源定位算法 269
7．5．3  基于多項式求根的中心DOA估計方法 273
7．5．4  性能分析 275
7．5．5  仿真結(jié)果 279
7．6  平移不變陣列中基于快速PARAFAC的分布式信源定位算法 283
7．6．1  數(shù)據(jù)結(jié)構(gòu) 283
7．6．2  基于快速PARAFAC的分布式信源定位算法 285
7．6．3  性能分析 289
7．6．4  仿真結(jié)果 291
7．7  本章小結(jié) 295
參考文獻 295
第8章  傳感器陣列近場信源定位 298
8．1  引言 298
8．1．1  研究背景 298
8．1．2  研究現(xiàn)狀 299
8．2  基于二階統(tǒng)計量的近場信源目標定位算法 300
8．2．1  數(shù)據(jù)模型 300
8．2．2  算法描述 302
8．2．3  算法步驟 304
8．2．4  算法復(fù)雜度分析 304
8．2．5  算法優(yōu)點 305
8．2．6  仿真結(jié)果 306
8．3  2D-MUSIC算法 308
8．3．1  數(shù)據(jù)模型 308
8．3．2  算法描述 309
8．3．3  仿真結(jié)果 310
8．4  降秩MUSIC算法 312
8．4．1  算法描述 312
8．4．2  算法步驟 314
8．4．3  算法復(fù)雜度分析 314
8．4．4  算法優(yōu)點 315
8．4．5  仿真結(jié)果 315
8．5  降維MUSIC算法 318
8．5．1  算法描述 319
8．5．2  算法步驟 322
8．5．3  算法復(fù)雜度分析 322
8．5．4  算法優(yōu)點 323
8．5．5  仿真結(jié)果 324
8．6  本章小結(jié) 327
參考文獻 327