| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-16页 |
| 1．1 研究的背景及发展现状 | 第9-13页 |
| 1．1．1 信号DOA估计方法 | 第9-11页 |
| 1．1．2 自适应子空间估计方法 | 第11-13页 |
| 1．2 研究的目的和意义 | 第13-14页 |
| 1．3 论文研究内容及编排 | 第14-16页 |
| 第二章 信号与阵列模型 | 第16-25页 |
| 2．1 符号定义 | 第16-17页 |
| §2．2 与子空间有关的基本概念 | 第17-18页 |
| 2．2．1 特征值分解 | 第17页 |
| 2．2．2 奇异值分解 | 第17-18页 |
| 2．2．3 相关系数 | 第18页 |
| 2．3 信号模型 | 第18-20页 |
| 2．3．1 解析信号 | 第18-19页 |
| 2．3．2 窄带信号 | 第19页 |
| 2．3．3 信号模型 | 第19-20页 |
| 2．3．4 附加噪声模型 | 第20页 |
| 2．4 阵列模型 | 第20-24页 |
| 2．4．1 线列阵 | 第21-22页 |
| 2．4．2 圆弧阵 | 第22-23页 |
| 2．4．3 任意离散阵 | 第23-24页 |
| 2．4 本章小结 | 第24-25页 |
| 第三章 子空间类目标方位估计高分辨算法 | 第25-38页 |
| 3．1 基本原理 | 第25-26页 |
| 3．2 几种典型的子空间类方法 | 第26-31页 |
| 3．2．1 MUSIC算法 | 第27页 |
| 3．2．2 Root-MUSIC算法 | 第27-28页 |
| 3．2．3 Mini-Norm算法 | 第28-29页 |
| 3．2．4 ESPRIT方法 | 第29-31页 |
| 3．3 高分辨方位估计算法的性能分析 | 第31-37页 |
| 3．2．1 理想情况下的CRB | 第33-34页 |
| 3．2．2 计算机仿真分析 | 第34-37页 |
| 3．4 本章小结 | 第37-38页 |
| 第四章 自适应子空间估计算法 | 第38-58页 |
| 4．1 引言 | 第38-39页 |
| 4．2 MALASE算法推导 | 第39-47页 |
| 4．2．1 最大似然准则 | 第39-40页 |
| 4．2．2 子空间更新方法 | 第40-41页 |
| 4．2．3 MALASE算法的一些特性 | 第41-43页 |
| 4．2．4 MALASE算法的另一种应用形式 | 第43-47页 |
| 4．3 ACN算法推导 | 第47-53页 |
| 4．3．1 近似复牛顿更新方法 | 第47-51页 |
| 4．3．2 ACN算法 | 第51-52页 |
| 4．3．3 非平稳条件下的ACN算法 | 第52-53页 |
| 4．4 本章小结 | 第53-54页 |
| 附录：ACN算法收敛性分析 | 第54-58页 |
| 第五章 基于自适应子空间估计的DOA跟踪算法及其统计性能分析 | 第58-70页 |
| 5．1 几种自适应高分辨算法 | 第58-61页 |
| 1 基于MALASE的自适应Root-MUSIC算法 | 第58-59页 |
| 2 基于MALASE的自适应Mini-Norm算法 | 第59-60页 |
| 3 基于ACN的自适应Root-MUSIC算法 | 第60-61页 |
| 5．2 计算机仿真及统计性能分析 | 第61-69页 |
| 5．2 本章小结 | 第69-70页 |
| 第六章 全文总结 | 第70-72页 |
| 参考文献 | 第72-79页 |
