| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 缩写对照表 | 第9-13页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-21页 |
| 1.2.1 空间谱估计算法的研究现状 | 第14-16页 |
| 1.2.2 混合信号波达方向估计算法的研究现状 | 第16-21页 |
| 1.3 论文的主要研究工作及章节安排 | 第21-23页 |
| 第2章 波达方向估计的理论基础 | 第23-41页 |
| 2.1 引言 | 第23页 |
| 2.2 阵列接收信号基本模型 | 第23-30页 |
| 2.2.1 相关概念及假设 | 第24-26页 |
| 2.2.2 入射信号模型 | 第26-27页 |
| 2.2.3 阵列结构模型 | 第27-30页 |
| 2.3 空间谱估计经典算法 | 第30-34页 |
| 2.3.1 MUSIC算法 | 第30-32页 |
| 2.3.2 ESPRIT算法 | 第32-34页 |
| 2.4 多径传播条件下的信号接收模型 | 第34-36页 |
| 2.4.1 相干信号接收模型 | 第35页 |
| 2.4.2 混合信号接收模型 | 第35-36页 |
| 2.5 经典的解相干算法 | 第36-39页 |
| 2.5.1 SS算法 | 第37-38页 |
| 2.5.2 矩阵重构算法 | 第38-39页 |
| 2.6 均方根误差 | 第39-40页 |
| 2.7 本章小结 | 第40-41页 |
| 第3章 基于实值运算的混合信号DOA估计 | 第41-60页 |
| 3.1 引言 | 第41-42页 |
| 3.2 酉变换 | 第42-44页 |
| 3.3 基于酉变换的实值混合信号DOA估计 | 第44-50页 |
| 3.3.1 数学模型 | 第44-45页 |
| 3.3.2 不相关信号的DOA估计 | 第45-47页 |
| 3.3.3 相干信号的DOA估计 | 第47-50页 |
| 3.4 算法分析 | 第50-53页 |
| 3.4.1 最多可分辨信号个数 | 第50页 |
| 3.4.2 运算复杂度 | 第50-51页 |
| 3.4.3 衰减系数估计 | 第51-52页 |
| 3.4.4 理论均方误差 | 第52-53页 |
| 3.5 计算机仿真实验分析 | 第53-59页 |
| 3.6 本章小结 | 第59-60页 |
| 第4章 基于矢量传感器阵列的混合信号DOA与极化参数联合估计 | 第60-94页 |
| 4.1 引言 | 第60-61页 |
| 4.2 基于阵列流型矩阵重构的一维DOA和极化参数联合估计 | 第61-76页 |
| 4.2.1 数学模型 | 第61-62页 |
| 4.2.2 算法原理 | 第62-68页 |
| 4.2.3 算法分析 | 第68-69页 |
| 4.2.4 计算机仿真实验分析 | 第69-76页 |
| 4.3 基于粗估计和精估计相结合的二维DOA和极化参数联合估计 | 第76-93页 |
| 4.3.1 阵列模型 | 第76-78页 |
| 4.3.2 数学模型 | 第78-79页 |
| 4.3.3 算法原理 | 第79-86页 |
| 4.3.4 算法分析 | 第86-88页 |
| 4.3.5 计算机仿真实验分析 | 第88-93页 |
| 4.4 本章小结 | 第93-94页 |
| 第5章 基于稀疏贝叶斯学习框架下的混合信号DOA估计 | 第94-111页 |
| 5.1 引言 | 第94-95页 |
| 5.2 稀疏贝叶斯学习 | 第95-97页 |
| 5.3 基于一种新的稀疏先验的混合信号的DOA估计 | 第97-104页 |
| 5.3.1 数学模型 | 第97-98页 |
| 5.3.2 稀疏贝叶斯模型 | 第98-101页 |
| 5.3.3 变分贝叶斯理论 | 第101-104页 |
| 5.3.4 信号功率以及DOA估计 | 第104页 |
| 5.4 算法优化及分析 | 第104-105页 |
| 5.5 计算机仿真实验分析 | 第105-110页 |
| 5.6 本章小结 | 第110-111页 |
| 结论 | 第111-113页 |
| 附录 | 第113-116页 |
| 参考文献 | 第116-128页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第128-129页 |
| 致谢 | 第129页 |
