| 内容提要 | 第1-7页 |
| 第一章 绪论 | 第7-10页 |
| ·波达方向估计的目的和意义 | 第7页 |
| ·波达方向估计的背景和发展现状 | 第7-9页 |
| ·论文的组织结构 | 第9-10页 |
| 第二章 DOA 估计的子空间算法 | 第10-26页 |
| ·DOA 估计的数学模型 | 第10-11页 |
| ·多重信号分类算法（MUSIC） | 第11-14页 |
| ·MUSIC 算法 | 第11-13页 |
| ·修正MUSIC 算法 | 第13-14页 |
| ·旋转不变子空间算法（ESPRIT） | 第14-16页 |
| ·DOA 矩阵算法及其改进 | 第16-21页 |
| ·DOA 矩阵算法 | 第16-19页 |
| ·时空DOA 矩阵算法 | 第19-21页 |
| ·仿真结果及分析 | 第21-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于非线性卡尔曼滤波器的DOA 估计 | 第26-41页 |
| ·扩展卡尔曼滤波器（EKF） | 第26-30页 |
| ·贝叶斯估计 | 第26-28页 |
| ·扩展卡尔曼滤波器 | 第28-30页 |
| ·无迹卡尔曼滤波器（UKF） | 第30-34页 |
| ·基于非线性卡尔曼滤波器的DOA 估计 | 第34-37页 |
| ·基于非线性卡尔曼滤波器的DOA 估计状态空间模型 | 第34-35页 |
| ·基于扩展卡尔曼滤波器的DOA 估计 | 第35-36页 |
| ·基于无迹卡尔曼滤波器的DOA 估计 | 第36-37页 |
| ·仿真结果及分析 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 基于粒子滤波器的DOA 估计 | 第41-61页 |
| ·蒙特卡罗积分 | 第41-42页 |
| ·粒子滤波器 | 第42-50页 |
| ·粒子滤波器的意义和发展现状 | 第42-44页 |
| ·序贯重要性采样粒子滤波器 | 第44-46页 |
| ·退化现象 | 第46-49页 |
| ·采样重要性再采样粒子滤波器 | 第49-50页 |
| ·基于SIR 粒子滤波器的DOA 估计 | 第50-55页 |
| ·基于SIR 粒子滤波器的DOA 估计状态空间模型 | 第50-53页 |
| ·基于SIR 粒子滤波器的DOA 估计 | 第53-55页 |
| ·基于无迹粒子滤波器的DOA 估计 | 第55-56页 |
| ·仿真结果及分析 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于粒子滤波器的未知信号源个数的DOA 估计 | 第61-76页 |
| ·未知信号源个数的DOA 估计状态空间模型 | 第61-64页 |
| ·未知信号源个数的DOA 估计粒子滤波器设计 | 第64-66页 |
| ·可逆跳转马尔可夫链蒙特卡罗方法 | 第66-70页 |
| ·基于粒子滤波器的未知信号源个数的DOA 估计 | 第70-71页 |
| ·仿真结果及分析 | 第71-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 结束语 | 第76-78页 |
| ·本论文工作总结 | 第76-77页 |
| ·远景与展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 附录：硕士期间发表的论文 | 第83-84页 |
| 摘要 | 第84-87页 |
| Abstract | 第87-91页 |
| 致谢 | 第91页 |
