| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| 1．1 引言 | 第7页 |
| 1．2 研究背景及意义 | 第7-9页 |
| 1．3 课题内容及本人所作的工作 | 第9-10页 |
| 1．4 论文结构总览 | 第10-11页 |
| 第二章 自回归模型谱估计 | 第11-32页 |
| 2．1 平稳随机信号的AR参数模型 | 第11-14页 |
| 2．2 AR模型的正则方程与参数计算 | 第14-19页 |
| 2．2．1 AR模型的正则方程 | 第14-15页 |
| 2．2．2 线性预测与AR模型的关系 | 第15-17页 |
| 2．2．3 Levinson-Durbin快速算法 | 第17-19页 |
| 2．3 AR模型谱估计的性质及阶次的选择 | 第19-24页 |
| 2．3．1 AR模型谱估计的性质 | 第19-23页 |
| 2．3．2 AR模型阶次的选择 | 第23-24页 |
| 2．4 关于线性预测的进一步讨论 | 第24-28页 |
| 2．5 最小方差功率谱估计(MVSE) | 第28-32页 |
| 第三章 MUSIC方法的分析和实现 | 第32-40页 |
| 3．1 相关阵的特征分解 | 第32-34页 |
| 3．2 特征分解的特点 | 第34-35页 |
| 3．3 基于信号子空间的频率估计及功率谱估计 | 第35页 |
| 3．4 基于噪声子空间的频率估计及功率谱估计 | 第35-36页 |
| 3．5 MUSIC方法 | 第36-37页 |
| 3．6 MUSIC算法的应用 | 第37-38页 |
| 3．6．1 算法介绍 | 第37-38页 |
| 3．6．2 MUSIC算法实现 | 第38页 |
| 3．7 信号与噪声子空间维数的估计 | 第38-40页 |
| 第四章 改进的MUSIC方法及仿真结果 | 第40-55页 |
| 4．1 窗函数 | 第40-42页 |
| 4．1．1 窗函数的基本概念 | 第40页 |
| 4．1．2 几种常用的窗函数 | 第40-42页 |
| 4．2 对MUSIC方法的改进 | 第42-43页 |
| 4．2．1 结合窗函数——WMUSIC方法 | 第42页 |
| 4．2．2 结合线性预测——LMUSIC和LWMUSIC方法 | 第42-43页 |
| 4．3 仿真结果分析 | 第43-54页 |
| 4．3．1 对MUSIC方法与EV方法的比较 | 第44-45页 |
| 4．3．2 改进的MUSIC方法对频率分辨率的影响 | 第45-48页 |
| 4．3．3 改进的MUSIC方法对抗噪性能的影响 | 第48-49页 |
| 4．3．4 改进的MUSIC方法对短时间数据的影响 | 第49-52页 |
| 4．3．5 改进的MUSIC方法对频率稳定性的影响 | 第52-54页 |
| 4．4 改进MUSIC方法的仿真结论 | 第54-55页 |
| 第五章 结束语 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士学位期间发表论文及获奖情况 | 第58-59页 |
| 致谢 | 第59-60页 |
