| 摘要 | 第5-7页 |
| ABSTRACT | 第7-10页 |
| Notation | 第23-25页 |
| Chapter 1 Introduction | 第25-49页 |
| 1.1 Background | 第25-27页 |
| 1.2 Literature Review | 第27-44页 |
| 1.3 Main Task | 第44-46页 |
| 1.4 Outline and Scope of this Thesis | 第46-49页 |
| Chapter 2 Array Model and Related Materials | 第49-67页 |
| 2.1 Background | 第49页 |
| 2.2 The Array Signal Model | 第49-50页 |
| 2.3 Autocorrelation and Spectral Estimation | 第50-51页 |
| 2.4 Parametric Estimation | 第51-52页 |
| 2.5 Spectral Estimation | 第52-54页 |
| 2.6 Sampling and Underdetermined Estimation | 第54-55页 |
| 2.7 Different Array Model | 第55-59页 |
| 2.7.1 Linear Arrays | 第55页 |
| 2.7.2 Planar Arrays | 第55-57页 |
| 2.7.3 Circular Arrays | 第57-58页 |
| 2.7.4 Coprime Arrays | 第58-59页 |
| 2.8 Different fields of view and frequency bands | 第59-66页 |
| 2.8.1 Far Field | 第59-61页 |
| 2.8.2 Near Field | 第61-63页 |
| 2.8.3 Narrow Band | 第63-64页 |
| 2.8.4 Wide Band | 第64-66页 |
| 2.9 Chapter Summary | 第66-67页 |
| Chapter 3 Popular Methods for DOA Estimation | 第67-81页 |
| 3.1 Background | 第67页 |
| 3.2 Classical Beamforming Method | 第67-69页 |
| 3.3 MUSIC Algorithm | 第69-70页 |
| 3.4 ESPRIT Algorithm | 第70-73页 |
| 3.5 Genetic Algorithm | 第73-75页 |
| 3.6 Particle swarm optimization (PSO) algorithm | 第75-76页 |
| 3.7 Sparse Bayesian Learning Method | 第76-79页 |
| 3.8 Chapter Summary | 第79-81页 |
| Chapter 4 Virtual Extension exploiting Difference and Sum | 第81-99页 |
| 4.1 Introduction | 第82-84页 |
| 4.2 Signal Model | 第84-85页 |
| 4.3 Proposed Methodology | 第85-93页 |
| 4.3.1 Extension of Vitual Arrays Exploiting Difference and Sum Co-array | 第88-92页 |
| 4.3.2 MUSIC based DOA estimation | 第92-93页 |
| 4.4 Simulation Results | 第93-97页 |
| 4.4.1 Case Ⅰ: RMSE for different SNR | 第94-95页 |
| 4.4.2 Case Ⅱ: RMSE for different number of Snapshots | 第95页 |
| 4.4.3 Case Ⅲ: RMSE for different number of Sources | 第95-97页 |
| 4.5 Chapter Summary | 第97-99页 |
| Chapter 5 Novel Array Structure using Translocation，Axes Rotation and Compression | 第99-119页 |
| 5.1 Introduction | 第99-102页 |
| 5.2 Signal Model | 第102-104页 |
| 5.3 Proposed Methodology | 第104-113页 |
| 5.3.1 Conventional Coprime Array Configuration | 第104-105页 |
| 5.3.2 Proposed Coprime Array Configuration | 第105-108页 |
| 5.3.3 The Difference Co-array of Proposed Method | 第108-110页 |
| 5.3.4 Interpolation with Iterative Power Factorization | 第110-112页 |
| 5.3.5 MUSIC based DOA estimation | 第112-113页 |
| 5.4 Simulation Results | 第113-117页 |
| 5.4.1 Case Ⅰ: RMSE for different SNR | 第114-115页 |
| 5.4.2 Case Ⅱ: RMSE for different number of Snapshots | 第115页 |
| 5.4.3 Case Ⅲ: RMSE for different number of Sources | 第115-116页 |
| 5.4.4 Number of Lags vs Number of Sensors | 第116-117页 |
| 5.5 Chapter Summary | 第117-119页 |
| Chapter 6 Novel Array Structure unifying Trio Subarray and FOD | 第119-153页 |
| 6.1 Introduction | 第119-124页 |
| 6.2 Signal Model | 第124-125页 |
| 6.3 Proposed Methodology | 第125-145页 |
| 6.3.1 Conventional Coprime Array Configuration | 第126-127页 |
| 6.3.2 Proposed Coprime Array Configuration | 第127-134页 |
| 6.3.3 The Fourth Order Difference Co-Array of Proposed Method | 第134-142页 |
| 6.3.4 Sparse Baysian Learning Based DOA Estimation | 第142-145页 |
| 6.4 Simulation Results | 第145-149页 |
| 6.4.1 Case Ⅰ: RSME for Different SNR | 第145-147页 |
| 6.4.2 Case II: RMSE for Different Number Of Snapshots | 第147页 |
| 6.4.3 Case Ⅲ: RMSE for Different Number of Sources | 第147-148页 |
| 6.4.4 Case Ⅳ: RMSE for Lower Angular DOA Estimation | 第148页 |
| 6.4.5 Number of Lags vs Number of Sensors | 第148-149页 |
| 6.5 Chapter Summary | 第149-153页 |
| Chapter 7 Novel Array Structure comprising Triplet Coprime Array | 第153-191页 |
| 7.1 Introduction | 第153-155页 |
| 7.2 Signal Model | 第155-157页 |
| 7.3 Proposed Methodology | 第157-183页 |
| 7.3.1 Proposed Coprime Array Configuration | 第157-166页 |
| 7.3.2 The Second Order Difference Co-Array of Proposed Method | 第166-172页 |
| 7.3.3 MUSIC DOA Estimation | 第172-173页 |
| 7.3.4 Sparse Baysian Learning Based DOA Estimation | 第173-175页 |
| 7.3.5 The Fourth Order Difference Co-Array of Proposed Method | 第175-180页 |
| 7.3.6 Sparse Baysian Learning Based DOA Estimation | 第180-183页 |
| 7.4 Simulation Results | 第183-189页 |
| 7.4.1 Case Ⅰ: RSME for Different SNR | 第184-185页 |
| 7.4.2 Case Ⅱ: RMSE for Different Number Of Snapshots | 第185-186页 |
| 7.4.3 Case Ⅲ: RMSE for Different Number of Sources | 第186页 |
| 7.4.4 Case Ⅳ: RMSE for Lower Angular DOA Estimation | 第186-187页 |
| 7.4.5 Number of Lags vs Number of Sensors | 第187-189页 |
| 7.5 Chapter Summary | 第189-191页 |
| Chapter 8 Conclusion | 第191-197页 |
| 8.1 Summary | 第194-196页 |
| 8.1.1 VECADS | 第194-195页 |
| 8.1.2 CATARCS | 第195页 |
| 8.1.3 VEFODCI | 第195页 |
| 8.1.4 TiCADD | 第195-196页 |
| 8.2 Future Works | 第196-197页 |
| Bibliography | 第197-222页 |
| Appendix A | 第222-225页 |
| Acknowledgements | 第225-227页 |
| Publications | 第227-228页 |
