基于高阶统计量的波达方向估计技术的研究
| 第一章 绪论 | 第1-10页 |
| ·研究的背景及意义 | 第7-8页 |
| ·论文研究内容 | 第8-10页 |
| 第二章 高阶统计量的基本概念与理论 | 第10-20页 |
| ·特征函数 | 第10-11页 |
| ·单个随机变量的特征函数 | 第10页 |
| ·多个随机变量的特征函数 | 第10-11页 |
| ·高阶统计量及其谱的定义 | 第11-14页 |
| ·单个随机变量的高阶矩和高阶累积量 | 第11-12页 |
| ·随机向量的高阶矩和高阶累积量 | 第12-13页 |
| ·随机过程的高阶矩和高阶累积量 | 第13页 |
| ·高阶矩谱和高阶累积量谱的定义 | 第13-14页 |
| ·高斯过程的高阶矩和高阶累积量 | 第14-16页 |
| ·单个随机变量的情况 | 第14-15页 |
| ·n维随机变量的情况 | 第15-16页 |
| ·零均值的高斯随机过程 | 第16页 |
| ·高阶累积量的性质 | 第16-17页 |
| ·高阶累积量的估算及工程定义 | 第17-19页 |
| ·小结 | 第19-20页 |
| 第三章 信号模型与阵列形式 | 第20-26页 |
| ·信号模型 | 第20-22页 |
| ·窄带信号的形式 | 第20页 |
| ·将实数据转化为复数据 | 第20-21页 |
| ·信号的相关系数 | 第21页 |
| ·仿真数据的产生 | 第21-22页 |
| ·阵列形式 | 第22-26页 |
| 第四章 基于高阶统计量的波达方向估计 | 第26-46页 |
| ·简述 | 第26页 |
| ·几种典型的DOA估计算法 | 第26-31页 |
| ·二阶协方差矩阵及其性质 | 第26-28页 |
| ·Capon最小方差法 | 第28页 |
| ·Pisarenko法 | 第28页 |
| ·多重信号分类法 | 第28-29页 |
| ·最小范数法 | 第29-30页 |
| ·ESPRIT法 | 第30-31页 |
| ·基于四阶累积量的波达方向估计算法 | 第31-39页 |
| ·四阶累积量的公式表达 | 第31-32页 |
| ·基于四阶累积量ESPRIT的方向估计算法 | 第32-35页 |
| ·算法仿真及结果分析 | 第35-39页 |
| ·小结 | 第39页 |
| ·基于四阶累积量特征分解的波达方向估计算法 | 第39-46页 |
| ·算法推导 | 第39-41页 |
| ·算法仿真及结果分析 | 第41-45页 |
| ·小结 | 第45-46页 |
| 第五章 基于最大非冗余四阶累量集的DOA估计 | 第46-56页 |
| ·基于最大非冗余累量集的空间累量阵 | 第46-48页 |
| ·基于最大非冗余累量阵的ESPRIT算法 | 第48-49页 |
| ·基于最大非冗余累量阵的MUSIC算法 | 第49-50页 |
| ·算法仿真及结果分析 | 第50-54页 |
| ·小结 | 第54-56页 |
| 第六章 基于四阶累量阵不同结构的DOA估计算法 | 第56-66页 |
| ·基于C_(p,q)的测向方法研究 | 第56-59页 |
| ·矩阵C_(p,q)的推导及其算法思想 | 第56-58页 |
| ·由矩阵C_(p,q)推导出的一种特例算法 | 第58-59页 |
| ·一种简化的四阶累量阵ESPRIT测向方法 | 第59-62页 |
| ·算法推导 | 第59-61页 |
| ·算法的稳健性分析 | 第61-62页 |
| ·有限数据采样四阶累量无偏估计性能分析 | 第62-63页 |
| ·仿真试验 | 第63-65页 |
| ·小结 | 第65-66页 |
| 第七章 研究结论 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |
