摘要 | 第1-7页 |
Abstract | 第7-10页 |
目录 | 第10-13页 |
英文缩略语表 | 第13-14页 |
第一章 绪论 | 第14-22页 |
·研究背景及其意义 | 第14-15页 |
·自适应波束形成的发展及研究现状 | 第15-18页 |
·本文的主要工作及内容安排 | 第18-22页 |
第二章 阵列信号处理的方法 | 第22-47页 |
·阵列信号处理模型 | 第22-23页 |
·自适应控制算法的性能量度 | 第23-32页 |
·均方误差(MSE)性能量度 | 第24-26页 |
·信噪比(SNR)性能量度 | 第26-27页 |
·最大似然(ML)性能量度 | 第27-29页 |
·最小噪声方差(NV)性能量度 | 第29-30页 |
·最优解的因式分解 | 第30-32页 |
·自适应波束形成算法 | 第32-38页 |
·最小方差无畸变响应(MVDR)算法 | 第32页 |
·采样协方差矩阵求逆(SMI)算法 | 第32-33页 |
·直接矩阵求逆(DMI)算法 | 第33页 |
·最小均方(LMS)算法 | 第33-35页 |
·递推最小二乘(RLS)算法 | 第35页 |
·恒模(CMA)算法 | 第35-36页 |
·神经网络方法 | 第36-38页 |
·鲁棒波束形成器的设计方法 | 第38-46页 |
·影响算法鲁棒性的因素 | 第38-39页 |
·鲁棒波束形成器的设计算法 | 第39-46页 |
·本章小结 | 第46-47页 |
第三章 适用于信号波达方向不确定情况下的鲁棒波束形成算法 | 第47-66页 |
·基于Bayesian方法的鲁棒恒模算法 | 第47-51页 |
·约束恒模自适应波束形成算法 | 第47-48页 |
·算法的鲁棒性改进 | 第48-49页 |
·仿真实验结果 | 第49-51页 |
·基于Bayesian方法的鲁棒波束形成算法 | 第51-57页 |
·传统算法描述 | 第52-53页 |
·鲁棒波束形成算法 | 第53-55页 |
·仿真实验结果 | 第55-57页 |
·基于Bayesian方法的鲁棒约束LMS波束形成算法 | 第57-64页 |
·传统约束LMS算法 | 第57-58页 |
·鲁棒约束LMS算法 | 第58-60页 |
·收敛性能分析 | 第60-61页 |
·仿真实验结果 | 第61-64页 |
·本章小结 | 第64-66页 |
第四章 在最差信号环境下的鲁棒自适应波束形成算法 | 第66-89页 |
·鲁棒约束恒模自适应波束形成算法 | 第66-74页 |
·信号模型 | 第66-68页 |
·线性约束恒模算法 | 第68-69页 |
·鲁棒约束恒模自适应波束形成算法 | 第69-70页 |
·收敛性能分析 | 第70-71页 |
·仿真实验结果 | 第71-74页 |
·基于最陡下降准则的鲁棒LMS波束形成算法 | 第74-80页 |
·基于最差性能的鲁棒算法 | 第75-77页 |
·性能分析 | 第77-78页 |
·仿真实验结果 | 第78-80页 |
·基于神经网络的鲁棒自适应波束形成算法 | 第80-87页 |
·鲁棒自适应波束形成算法 | 第81-82页 |
·波束形成的RBFNN实现 | 第82-84页 |
·仿真实验结果 | 第84-87页 |
·本章小结 | 第87-89页 |
第五章 基于可变对角载入的鲁棒自适应波束形成算法 | 第89-103页 |
·基于对角载入的鲁棒波束形成算法 | 第89-96页 |
·传统算法描述 | 第89-91页 |
·鲁棒波束形成算法 | 第91-93页 |
·仿真实验结果 | 第93-96页 |
·基于可变对角载入的鲁棒LMS自适应波束形成算法 | 第96-102页 |
·鲁棒波束形成算法及对角载入值的计算 | 第97-98页 |
·性能分析 | 第98-99页 |
·仿真实验结果 | 第99-102页 |
·本章小结 | 第102-103页 |
第六章 存在阵列指向性偏差的鲁棒自适应波束形成算法 | 第103-112页 |
·二次型约束波束形成优化算法 | 第103-105页 |
·递推波束形成算法 | 第105-106页 |
·性能分析 | 第106-107页 |
·仿真实验结果 | 第107-111页 |
·本章小结 | 第111-112页 |
第七章 结论 | 第112-115页 |
参考文献 | 第115-124页 |
致谢 | 第124-125页 |
攻读博士学位期间论文及获奖情况 | 第125-127页 |
个人简历 | 第127页 |