目录 | 第4-6页 |
图目录 | 第6-7页 |
摘要 | 第7-8页 |
ABSTRACT | 第8-9页 |
第一章 绪论 | 第10-17页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 发展历史与研究现状 | 第11-15页 |
1.2.1 传统阵列信号处理的发展历史与研究现状 | 第11-12页 |
1.2.2 极化阵列信号处理的发展历史与研究现状 | 第12-15页 |
1.3 本文的主要工作 | 第15-17页 |
第二章 极化阵列信号处理基础 | 第17-24页 |
2.1 电磁波的极化 | 第17页 |
2.2 极化阵列模型 | 第17-23页 |
2.2.1 电磁矢量传感器与数学模型 | 第17-21页 |
2.2.2 阵列结构与数学模型 | 第21-23页 |
2.3 本章小结 | 第23-24页 |
第三章 四元数在极化信号源参数估计中的应用研究 | 第24-41页 |
3.1 引言 | 第24页 |
3.2 四元数理论 | 第24-26页 |
3.2.1 四元数 | 第24-25页 |
3.2.2 四元数矩阵 | 第25-26页 |
3.3 基于均匀线阵的极化信号源参数估计算法 | 第26-33页 |
3.3.1 基于均匀线阵的极化 MUSIC 算法 | 第26-28页 |
3.3.2 基于均匀线阵的极化 ESPRIT 算法 | 第28-30页 |
3.3.3 基于均匀线阵的四元数 MUSIC 算法 | 第30-32页 |
3.3.4 计算机仿真 | 第32-33页 |
3.4 基于四元数和极化旋转矩阵的信号源参数估计算法 | 第33-40页 |
3.4.1 四元数接收模型 | 第34页 |
3.4.2 基于四元数的降维 DOA 估计算法 | 第34-36页 |
3.4.3 基于极化旋转矩阵的极化参数求解 | 第36-38页 |
3.4.4 存储空间对比 | 第38页 |
3.4.5 计算机仿真 | 第38-40页 |
3.5 本章小结 | 第40-41页 |
第四章 稀疏信号方法在极化信号源参数估计中的应用研究 | 第41-53页 |
4.1 引言 | 第41页 |
4.2 稀疏信号方法 | 第41-45页 |
4.2.1 稀疏信号表示模型 | 第41-42页 |
4.2.2 稀疏信号重构方法 | 第42-44页 |
4.2.3 稀疏信号窄带接收模型 | 第44-45页 |
4.3 基于 L1-SVD 的极化信号源参数估计算法 | 第45-47页 |
4.3.1 单快拍下的稀疏谱估计 | 第45页 |
4.3.2 多快拍下基于 L1-SVD 方法的稀疏谱估计 | 第45-47页 |
4.4 一种新的极化相干信号源参数估计算法 | 第47-52页 |
4.4.1 最大特征矢量概述 | 第47-48页 |
4.4.2 基于最大特征矢量的极化相干信号源参数估计算法 | 第48页 |
4.4.3 计算机仿真 | 第48-52页 |
4.5 本章小结 | 第52-53页 |
第五章 基于分布式电磁矢量传感器的参数估计与跟踪算法研究 | 第53-70页 |
5.1 引言 | 第53页 |
5.2 子空间跟踪算法 | 第53-59页 |
5.2.1 投影逼近子空间跟踪类算法 | 第53-57页 |
5.2.2 快速数据投影算法 | 第57-59页 |
5.3 基于电磁矢量传感器的 DOA 和极化参数估计算法 | 第59-61页 |
5.3.1 单个电磁矢量传感器的时域 ESPRIT 模型 | 第60页 |
5.3.2 基于时域 ESPRIT 和矢量叉乘的 DOA 和极化参数估计算法 | 第60-61页 |
5.4 基于分布式电磁矢量传感器的参数估计与跟踪算法 | 第61-69页 |
5.4.1 分布式电磁矢量传感器接收模型 | 第62-63页 |
5.4.2 基于分布式电磁矢量传感器的极化信号参数估计算法 | 第63-64页 |
5.4.3 基于分布式电磁矢量传感器和快速数据投影的极化信号跟踪算法 | 第64-65页 |
5.4.4 计算机仿真 | 第65-69页 |
5.5 本章小结 | 第69-70页 |
结束语 | 第70-72页 |
参考文献 | 第72-77页 |
作者简历 攻读硕士期间完成的主要工作 | 第77-78页 |
致谢 | 第78页 |