科技 类型
可以朗读 语音朗读
301千字 字数
2023-07-01 发行日期
展开全部

主编推荐语

详解阵列信号处理及MATLAB编程。

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，传感器阵列具有灵活的波束控制、较高的信号增益、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，阵列信号处理已涉及雷达、声呐、通信、地震勘探、射电天文以及医学诊断等多个国民经济和军事应用领域。

本书分为11章，主要内容涵盖阵列信号处理基础、波束形成、DOA估计、二维DOA估计、宽带阵列信号处理、分布式信源空间谱估计、阵列近场信源定位、互质阵列信号处理、嵌套阵列信号处理和阵列信号处理的MATLAB编程等。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 绪论
  • 1.1 研究背景
  • 1.2 阵列信号处理的发展
  • 1.2.1 波束形成技术
  • 1.2.2 空间谱估计方法
  • 1.2.3 稀疏阵列信号处理
  • 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积
  • 2.1.9 Khatri-Rao积
  • 2.1.10 Hadamard积
  • 2.1.11 向量化
  • 2.2 高阶统计量
  • 2.2.1 高阶累积量、高阶矩和高阶谱
  • 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
  • 2.3 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 PARAFAC理论
  • 2.4.1 PARAFAC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 天线阵列模型
  • 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值分解
  • 2.9 信源数估计
  • 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
  • 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 波束形成的最优权向量
  • 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优权向量
  • 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 基于GSC的波束形成算法
  • 3.5 基于投影分析的波束形成算法
  • 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类盲自适应波束形成算法
  • 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
  • 3.10 稳健的自适应波束形成算法
  • 3.10.1 对角线加载方法
  • 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MSE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 Root-MUSIC算法
  • 4.3.5 Root-MUSIC算法性能分析
  • 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
  • 4.5.2 噪声子空间拟合
  • 4.5.3 子空间拟合算法性能
  • 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 四阶累积量方法
  • 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
  • 4.8.2 旋转不变传播算子
  • 4.9 广义ESPRIT算法
  • 4.9.1 阵列模型
  • 4.9.2 谱峰搜索广义ESPRIT算法
  • 4.9.3 无须进行谱峰搜索的广义ESPRIT算法
  • 4.10 压缩感知方法
  • 4.10.1 压缩感知基本原理
  • 4.10.2 正交匹配追踪
  • 4.10.3 稀疏贝叶斯学习
  • 4.11 DFT类方法
  • 4.11.1 数据模型
  • 4.11.2 基于DFT的低复杂度DOA估计算法
  • 4.11.3 算法分析和改进
  • 4.11.4 仿真实验
  • 4.12 相干信源DOA估计算法
  • 4.12.1 引言
  • 4.12.2 空间平滑算法
  • 4.12.3 改进的MUSIC算法
  • 4.12.4 基于Toeplitz矩阵重构的相干信源DOA估计算法
  • 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 基于传播算子的二维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PARAFAC分解的二维DOA估计算法
  • 5.4.1 数据模型
  • 5.4.2 PARAFAC分解
  • 5.4.3 可辨识性分析
  • 5.4.4 二维DOA估计过程
  • 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PARAFAC模型的二维DOA估计算法
  • 5.5.1 数据模型
  • 5.5.2 PARAFAC模型压缩
  • 5.5.3 PARAFAC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 双平行线阵中二维DOA估计算法：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估计算法
  • 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
  • 6.1 引言
  • 6.2 宽带阵列信号模型
  • 6.2.1 宽带信号的概念
  • 6.2.2 阵列信号模型
  • 6.3 宽带信号的DOA估计
  • 6.3.1 非相干信号子空间方法
  • 6.3.2 相干信号子空间方法
  • 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
  • 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 分布式信源空间谱估计
  • 7.1 引言
  • 7.2 基于ESPRIT的分布式信源空间谱估计算法
  • 7.2.1 数据模型
  • 7.2.2 算法描述
  • 7.2.3 性能分析
  • 7.2.4 仿真结果
  • 7.3 基于DSPE的分布式信源空间谱估计算法
  • 7.3.1 数据模型
  • 7.3.2 算法描述
  • 7.4 基于级联DSPE的分布式信源空间谱估计算法
  • 7.4.1 数据模型
  • 7.4.2 算法描述
  • 7.4.3 性能分析
  • 7.4.4 仿真结果
  • 7.5 基于广义ESPRIT的分布式信源空间谱估计算法
  • 7.5.1 数据模型
  • 7.5.2 算法描述
  • 7.5.3 多项式求根方法
  • 7.5.4 性能分析
  • 7.5.5 仿真结果
  • 7.6 基于快速PARAFAC的分布式信源空间谱估计算法
  • 7.6.1 数据模型
  • 7.6.2 算法描述
  • 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 基于二阶统计量的近场信源定位算法
  • 8.2.1 数据模型
  • 8.2.2 算法描述
  • 8.2.3 性能分析
  • 8.2.4 仿真结果
  • 8.3 基于二维MUSIC的近场信源定位算法
  • 8.3.1 数据模型
  • 8.3.2 算法描述
  • 8.3.3 仿真结果
  • 8.4 基于降秩MUSIC的近场信源定位算法
  • 8.4.1 数据模型
  • 8.4.2 算法描述
  • 8.4.3 性能分析
  • 8.4.4 仿真结果
  • 8.5 基于降维MUSIC的近场信源定位算法
  • 8.5.1 数据模型
  • 8.5.2 算法描述
  • 8.5.3 性能分析
  • 8.5.4 仿真结果
  • 8.6 本章小结
  • 参考文献
  • 第9章 互质阵列信号处理
  • 9.1 引言
  • 9.2 互质线阵结构与信号模型及两种DOA估计算法
  • 9.2.1 互质线阵结构与信号模型
  • 9.2.2 基于互质子阵分解思想的DOA估计算法
  • 9.2.3 基于虚拟阵元扩展思想的DOA估计算法
  • 9.3 基于孔洞填充思想的嵌型子阵互质阵列
  • 9.3.1 互耦条件下的接收信号模型
  • 9.3.2 孔洞填充方案及嵌型子阵互质阵列
  • 9.3.3 仿真结果
  • 9.4 基于嵌套思想的均匀tCADiS差联合阵列
  • 9.4.1 均匀差联合阵列及其CAFDC结构
  • 9.4.2 特殊双孔洞差联合阵列及其CATHDC结构
  • 9.4.3 仿真结果
  • 9.5 互质面阵广义化设计及二维解模糊算法
  • 9.5.1 基于GCPA的低复杂度二维DOA估计算法
  • 9.5.2 基于子阵分置互质面阵的二维解模糊算法
  • 9.5.3 仿真结果
  • 9.6 基于二维差联合阵列的互质面阵二维DOA估计算法
  • 9.6.1 二维差联合阵列解析
  • 9.6.2 基于二维差联合阵列与二维空间平滑方法的DOA估计算法
  • 9.6.3 仿真结果
  • 9.7 本章小结
  • 参考文献
  • 第10章 嵌套阵列信号处理
  • 10.1 引言
  • 10.2 阵列结构
  • 10.2.1 二级嵌套线阵
  • 10.2.2 二级嵌套面阵
  • 10.2.3 展宽嵌套线阵
  • 10.2.4 增强嵌套面阵
  • 10.3 嵌套线阵下基于空间平滑的DOA估计算法
  • 10.3.1 数据模型
  • 10.3.2 基于SS-MUSIC的DOA估计算法
  • 10.3.3 基于SS-ESPRIT的DOA估计算法
  • 10.3.4 仿真结果
  • 10.4 嵌套线阵下基于DFT的DOA估计算法
  • 10.4.1 数据模型
  • 10.4.2 基于DFT方法的DOA估计算法
  • 10.4.3 基于DFT-MUSIC的DOA估计算法
  • 10.4.4 仿真结果
  • 10.5 展宽嵌套线阵和DOA估计算法
  • 10.5.1 数据模型
  • 10.5.2 基于压缩过完备字典集的稀疏表示算法
  • 10.5.3 仿真结果
  • 10.6 增强嵌套面阵和DOA估计算法
  • 10.6.1 数据模型
  • 10.6.2 基于SS-MUSIC的DOA估计算法
  • 10.6.3 仿真结果
  • 10.7 本章小结
  • 参考文献
  • 第11章 阵列信号处理的MATLAB编程
  • 11.1 常用函数介绍
  • 11.1.1 创建矩阵
  • 11.1.2 zeros函数：创建全0矩阵
  • 11.1.3 eye函数：创建单位矩阵
  • 11.1.4 ones函数：创建全1矩阵
  • 11.1.5 rand函数：创建均匀分布随机矩阵
  • 11.1.6 randn函数：创建正态分布随机矩阵
  • 11.1.7 hankel函数：创建Hankel矩阵
  • 11.1.8 toeplitz函数：创建Toeplitz矩阵
  • 11.1.9 det函数：求方阵的行列式
  • 11.1.10 inv函数：求方阵的逆矩阵
  • 11.1.11 pinv函数：求矩阵的伪逆矩阵
  • 11.1.12 rank函数：求矩阵的秩
  • 11.1.13 diag函数：抽取矩阵对角线元素
  • 11.1.14 fliplr函数：矩阵左右翻转
  • 11.1.15 eig函数：矩阵特征值分解
  • 11.1.16 svd函数：矩阵奇异值分解
  • 11.1.17 矩阵转置和共轭转置
  • 11.1.18 awgn函数：添加高斯白噪声
  • 11.1.19 sin函数：正弦函数
  • 11.1.20 cos函数：余弦函数
  • 11.1.21 tan函数：正切函数
  • 11.1.22 asin函数：反正弦函数
  • 11.1.23 acos函数：反余弦函数
  • 11.1.24 atan函数：反正切函数
  • 11.1.25 abs函数：求复数的模
  • 11.1.26 angle函数：求复数的相位角
  • 11.1.27 real函数：求复数的实部
  • 11.1.28 imag函数：求复数的虚部
  • 11.1.29 sum函数：求和函数
  • 11.1.30 max函数：求最大值函数
  • 11.1.31 min函数：求最小值函数
  • 11.1.32 sort函数：排序函数
  • 11.1.33 poly2sym函数：创建多项式
  • 11.1.34 sym2poly函数：符号多项式转换为数值多项式
  • 11.1.35 roots函数：多项式求根
  • 11.1.36 size函数：求矩阵大小
  • 11.2 波束形成算法MATLAB程序
  • 11.2.1 LCMV算法MATLAB程序
  • 11.2.2 LMS算法MATLAB程序
  • 11.3 DOA估计算法MATLAB程序
  • 11.3.1 MUSIC算法MATLAB程序
  • 11.3.2 ESPRIT算法MATLAB程序
  • 11.3.3 Root-MUSIC算法MATLAB程序
  • 11.3.4 谱峰搜索传播算子算法MATLAB程序
  • 11.3.5 SS-MUSIC算法MATLAB程序
  • 11.4 二维DOA估计算法MATLAB程序
  • 11.4.1 L型阵列下基于二维MUSIC的二维DOA估计算法
  • 11.4.2 均匀圆阵下基于UCA-ESPRIT的二维DOA估计算法
  • 11.4.3 基于增广矩阵束的L型阵列的二维DOA估计算法
  • 11.4.4 面阵中二维角度估计：Unitary-ESPRIT算法
  • 11.5 信源数估计算法MATLAB程序
  • 11.6 宽带信号DOA估计的ISM算法MATLAB程序
  • 11.7 互质阵列下基于解模糊MUSIC的DOA估计算法MATLAB程序
  • 11.8 嵌套阵列下基于虚拟化SS-MUSIC的DOA估计算法MATLAB程序
  • 11.9 本章小结
  • 参考文献
  • 注释表
  • 缩略词
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。