基于独立分量分析的DOA估计的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究目的和意义 | 第10-11页 |
| 1.2 波达方向估计的研究现状和发展趋势 | 第11-13页 |
| 1.3 本论文的主要研究内容 | 第13-14页 |
| 第2章 智能天线的原理 | 第14-22页 |
| 2.1 智能天线的基本理论 | 第14-18页 |
| 2.1.1 智能天线的工作原理 | 第14-15页 |
| 2.1.2 智能天线的分类 | 第15-18页 |
| 2.2 智能天线中的DOA估计 | 第18-19页 |
| 2.3 本章小结 | 第19-22页 |
| 第3章 独立分量分析 | 第22-36页 |
| 3.1 盲信号分离理论 | 第22-23页 |
| 3.2 独立分量分析模型 | 第23-25页 |
| 3.3 ICA的预处理 | 第25-26页 |
| 3.4 ICA的经典算法 | 第26-32页 |
| 3.4.1 特征矩阵的联合近似对角化算法 | 第26-28页 |
| 3.4.2 FastICA算法 | 第28-29页 |
| 3.4.3 复数FastICA算法 | 第29-32页 |
| 3.5 算法性能分析与仿真 | 第32-35页 |
| 3.5.1 性能指标 | 第32页 |
| 3.5.2 仿真研究 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 波达方向估计算法的研究 | 第36-50页 |
| 4.1 窄带阵列天线的数学模型 | 第36-39页 |
| 4.1.1 等距线阵模型 | 第37页 |
| 4.1.2 均匀圆阵模型 | 第37-38页 |
| 4.1.3 L型阵列模型 | 第38-39页 |
| 4.2 传统波达方向估计算法 | 第39-44页 |
| 4.2.1 Capon最小方差法 | 第39-40页 |
| 4.2.2 MUSIC多重信号分类法 | 第40-41页 |
| 4.2.3 ESPRIT旋转不变子空间法 | 第41-44页 |
| 4.3 算法仿真研究 | 第44-49页 |
| 4.3.1 MUSIC算法仿真实验与分析 | 第44-47页 |
| 4.3.2 ESPRIT算法仿真实验与分析 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 基于ICA的DOA估计算法 | 第50-68页 |
| 5.1 波束空间DOA估计算法 | 第50-51页 |
| 5.2 基于ICA的波束空间DOA估计算法 | 第51-56页 |
| 5.2.1 三阶收敛的复数FastICA | 第51-52页 |
| 5.2.2 ICA-BS-MUSIC算法 | 第52-53页 |
| 5.2.3 改进算法仿真实验与结果分析 | 第53-56页 |
| 5.3 基于ICA的圆阵DOA估计算法 | 第56-62页 |
| 5.3.1 ICA-UCA算法 | 第56-59页 |
| 5.3.2 改进算法仿真实验与结果分析 | 第59-62页 |
| 5.4 基于ICA的L型阵DOA估计算法 | 第62-66页 |
| 5.4.1 ICA-LSA算法 | 第62-63页 |
| 5.4.2 改进算法仿真实验与结果分析 | 第63-66页 |
| 5.5 本章小结 | 第66-68页 |
| 第6章 结论与展望 | 第68-70页 |
| 6.1 本文工作总结 | 第68页 |
| 6.2 未来工作展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 硕士学位期间发表的论文及获奖情况 | 第76页 |
