| 摘要 | 第1-13页 |
| ABSTRACT | 第13-15页 |
| 第一章 绪论 | 第15-20页 |
| ·论文研究背景 | 第15-17页 |
| ·论文主要工作 | 第17-18页 |
| ·论文的组织和结构 | 第18页 |
| 参考文献 | 第18-20页 |
| 第二章 智能天线技术 | 第20-31页 |
| ·引言 | 第20页 |
| ·智能天线技术及其发展 | 第20-25页 |
| ·智能天线的结构和原理 | 第20-21页 |
| ·智能天线的分类 | 第21-22页 |
| ·智能天线技术的发展 | 第22-25页 |
| ·智能天线技术的特点 | 第25-27页 |
| ·基于Ad Hoc网络移动终端的智能天线技术 | 第27-28页 |
| ·本章小结 | 第28页 |
| 参考文献 | 第28-31页 |
| 第三章 适合于Ad Hoc网络移动终端的超分辨波束形成算法 | 第31-52页 |
| ·波束形成的基本原理 | 第31-32页 |
| ·波束形成分类 | 第32页 |
| ·模拟波束形成 | 第32-36页 |
| ·Butler矩阵 | 第33-35页 |
| ·Blass矩阵 | 第35-36页 |
| ·数字波束形成 | 第36-39页 |
| ·组件空间处理方式 | 第36-37页 |
| ·波束空间处理方式 | 第37页 |
| ·自适应波束形成算法 | 第37-39页 |
| ·适用于Ad Hoc网络移动终端的波束形成算法 | 第39-47页 |
| ·算法描述及推导 | 第39-42页 |
| ·算法实现 | 第42-45页 |
| ·没有干扰的情况 | 第42-43页 |
| ·存在干扰的情况 | 第43-45页 |
| ·算法仿真 | 第45-47页 |
| ·结论 | 第47页 |
| ·本章小结 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 第四章 基于Ad Hoc网络移动终端的DOA估计算法 | 第52-86页 |
| ·引言 | 第52页 |
| ·典型DOA估计算法 | 第52-66页 |
| ·DOA估计的数学模型 | 第53页 |
| ·延迟相加(Delay-and-Sum)算法 | 第53-54页 |
| ·最小方差算法 | 第54-55页 |
| ·最大似然(ML)方法 | 第55-56页 |
| ·线性预测法(LP) | 第56页 |
| ·子空间方法 | 第56-64页 |
| ·MUSIC算法 | 第57-59页 |
| ·求根MUSIC算法(Root-MUSIC) | 第59页 |
| ·ESPRIT算法 | 第59-63页 |
| ·子空间DOA估计法总结 | 第63-64页 |
| ·基于高阶统计量DOA估计算法 | 第64-65页 |
| ·基于循环统计量DOA估计算法 | 第65页 |
| ·DOA估计算法总结及其性能分析指标 | 第65-66页 |
| ·适用于Ad Hoc网络移动终端的DOA估计算法 | 第66-81页 |
| ·算法建模 | 第67-70页 |
| ·算法的实现 | 第70-73页 |
| ·数值仿真 | 第73-76页 |
| ·算法在8单元Butler园阵上的实现 | 第76-81页 |
| ·结论 | 第81页 |
| ·本章小结 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 第五章 Ad Hoc网络运动模型的研究和设计 | 第86-101页 |
| ·无线移动网络运动模型的基本概念 | 第86页 |
| ·Ad Hoc网络运动模型 | 第86-95页 |
| ·实体运动模型(Entity Mobility Model:EMM) | 第87-89页 |
| ·随机路点运动模型(Random Waypoint:RWP) | 第87页 |
| ·随机步行运动模型(Random Walk) | 第87-88页 |
| ·随机方向运动模型(Random Direction Model) | 第88页 |
| ·城区运动模型 | 第88-89页 |
| ·组运动模型(GMM) | 第89-92页 |
| ·队列运动模型 | 第90页 |
| ·参考点组运动模型(Reference Point Group Mobility Model:RPGM) | 第90-91页 |
| ·游牧团体运动模型 | 第91-92页 |
| ·追逐运动模型 | 第92页 |
| ·Ad Hoc网络结点其他运动模型 | 第92-94页 |
| ·运动模型之间的关联 | 第94-95页 |
| ·Ad Hoc网络终端运动模型设计 | 第95-97页 |
| ·用于结点独自运动的SMART运动模型 | 第95-97页 |
| ·一组结点协同工作的GSMART组运动模型 | 第97页 |
| ·本章小结 | 第97-98页 |
| 参考文献 | 第98-101页 |
| 第六章 基于Ad Hoc网络移动终端的DOA跟踪和预测模型 | 第101-123页 |
| ·DOA跟踪和预测的意义 | 第101页 |
| ·贝叶斯估计理论 | 第101-106页 |
| ·卡尔曼滤波(Kalman Filter) | 第106-108页 |
| ·扩展卡尔曼滤波(Extended Kalman Filter:EKF) | 第108-110页 |
| ·序列蒙特卡罗滤波器 | 第110-115页 |
| ·序列蒙特卡罗滤波器数学模型 | 第111-113页 |
| ·重要采样函数 | 第113-114页 |
| ·重采样 | 第114页 |
| ·SMC总结 | 第114-115页 |
| ·基于序列蒙特卡罗的DOA跟踪和预测 | 第115-120页 |
| ·算法建模 | 第115-118页 |
| ·Ad Hoc网络移动终端运动模型 | 第115页 |
| ·测量模型 | 第115-116页 |
| ·算法的序列重要采样函数 | 第116页 |
| ·算法的重采样机制 | 第116-117页 |
| ·DOA跟踪和预测模型 | 第117-118页 |
| ·算法性能分析 | 第118页 |
| ·算法仿真 | 第118-120页 |
| ·算法的讨论 | 第120页 |
| ·本章小结 | 第120-121页 |
| 参考文献 | 第121-123页 |
| 第七章 结论及展望 | 第123-125页 |
| 博士期间发表论文情况 | 第125-127页 |
| 博士期间受奖励情况 | 第127-128页 |
| 博士期间参加项目情况 | 第128-129页 |
| 本文图表目录 | 第129-131页 |
| 本文用到的主要数学符号列表 | 第131-132页 |
| 致谢 | 第132页 |
