近场信源定位算法研究
摘要 | 第4-5页 |
abstract | 第5-6页 |
缩略词 | 第14-15页 |
注释表 | 第15-16页 |
第一章 绪论 | 第16-21页 |
1.1 研究背景 | 第16页 |
1.2 研究现状 | 第16-19页 |
1.3 论文的主要工作与结构安排 | 第19-21页 |
第二章 阵列参数估计基础 | 第21-29页 |
2.1 矩阵代数的相关知识 | 第21-22页 |
2.2 平行因子(PARAFAC)模型介绍 | 第22-24页 |
2.3 信源和噪声模型 | 第24-25页 |
2.3.1 窄带信号 | 第24-25页 |
2.3.2 噪声模型 | 第25页 |
2.4 远场与近场模型 | 第25-26页 |
2.5 前提及假设 | 第26页 |
2.6 均匀线阵近场信源参数化模型 | 第26-28页 |
2.7 本章小结 | 第28-29页 |
第三章 基于降秩的近场信源参数估计方法 | 第29-59页 |
3.1 降秩MUSIC算法 | 第29-40页 |
3.1.1 数据模型 | 第29-31页 |
3.1.2 算法描述 | 第31-32页 |
3.1.3 算法步骤 | 第32页 |
3.1.4 算法复杂度分析 | 第32-34页 |
3.1.5 仿真结果 | 第34-40页 |
3.1.6 算法优点 | 第40页 |
3.2 降秩Capon算法 | 第40-49页 |
3.2.1 数据模型 | 第41页 |
3.2.2 算法描述 | 第41页 |
3.2.3 算法步骤 | 第41-42页 |
3.2.4 算法复杂度分析 | 第42-43页 |
3.2.5 仿真结果 | 第43-49页 |
3.2.6 算法优点 | 第49页 |
3.3 降秩PM算法 | 第49-58页 |
3.3.1 数据模型 | 第49页 |
3.3.2 算法描述 | 第49-51页 |
3.3.3 算法步骤 | 第51页 |
3.3.4 算法复杂度分析 | 第51-52页 |
3.3.5 仿真结果 | 第52-58页 |
3.3.6 算法优点 | 第58页 |
3.4 本章小结 | 第58-59页 |
第四章 基于降维的近场信源参数估计方法 | 第59-92页 |
4.1 降维MUSIC算法 | 第59-71页 |
4.1.1 数据模型 | 第59-60页 |
4.1.2 算法描述 | 第60-63页 |
4.1.3 算法步骤 | 第63页 |
4.1.4 算法复杂度分析 | 第63-65页 |
4.1.5 仿真结果 | 第65-70页 |
4.1.6 算法优点 | 第70-71页 |
4.2 降维Capon算法 | 第71-81页 |
4.2.1 数据模型 | 第71页 |
4.2.2 算法描述 | 第71-73页 |
4.2.3 算法步骤 | 第73页 |
4.2.4 算法复杂度分析 | 第73-75页 |
4.2.5 仿真结果 | 第75-81页 |
4.2.6 算法优点 | 第81页 |
4.3 降维PM算法 | 第81-91页 |
4.3.1 数据模型 | 第81页 |
4.3.2 算法描述 | 第81-83页 |
4.3.3 算法步骤 | 第83-84页 |
4.3.4 算法复杂度分析 | 第84-85页 |
4.3.5 仿真结果 | 第85-91页 |
4.3.6 算法优点 | 第91页 |
4.4 本章小结 | 第91-92页 |
第五章 混合场中信源参数估计方法 | 第92-124页 |
5.1 基于二阶统计量和平行因子算法 | 第92-104页 |
5.1.1 数据模型 | 第92-93页 |
5.1.2 算法描述 | 第93-96页 |
5.1.3 算法步骤 | 第96页 |
5.1.4 算法复杂度分析 | 第96-97页 |
5.1.5 仿真结果 | 第97-104页 |
5.1.6 算法优点 | 第104页 |
5.2 降秩MUSIC算法 | 第104-123页 |
5.2.1 数据模型 | 第104-105页 |
5.2.2 算法描述 | 第105-110页 |
5.2.3 算法步骤 | 第110页 |
5.2.4 算法复杂度分析 | 第110-111页 |
5.2.5 仿真结果 | 第111-122页 |
5.2.6 算法优点 | 第122-123页 |
5.3 本章小结 | 第123-124页 |
第六章 总结与展望 | 第124-126页 |
6.1 工作总结 | 第124页 |
6.2 工作展望 | 第124-126页 |
参考文献 | 第126-131页 |
致谢 | 第131-132页 |
在学期间的研究成果及发表的学术论文 | 第132页 |