超分辨測向理論及其性能優(yōu)化技術(shù)

第　1章 緒論　1
1．1　背景與意義　1
1．2　國內(nèi)外研究現(xiàn)狀　2
1．2．1　信號個數(shù)估計　2
1．2．2　傳統(tǒng)的超分辨測向算法　4
1．2．3　稀疏重構(gòu)類超分辨測向算法　5
1．2．4　虛擬陣列下的超分辨測向算法　7
1．2．5　極化敏感陣列下的超分辨測向算法　8
1．2．6　寬帶信號超分辨測向算法　10
1．2．7　超分辨測向陣列誤差校正算法　12
1．2．8　遠近場混合信號超分辨測向算法　13
1．2．9　超分辨測向算法的硬件實現(xiàn)技術(shù)　14
1．3本書主要內(nèi)容及結(jié)構(gòu)安排　16
第　2章 超分辨測向基礎(chǔ)　17
2．1　陣列信號處理中的幾個重要概念　17
2．2　均勻線陣模型　19
2．3　空間任意陣列模型　20
2．4　均勻圓陣模型　21
2．5　相關(guān)信號模型　21
2．6　寬帶陣列信號模型　22
2．7　存在陣列誤差時的信號模型　24
2．8　遠近場混合信號模型　25
第3章　陣列信號個數(shù)估計算法　28
3．1　假設(shè)檢驗準(zhǔn)則　28
3．1．1　陣列信號模型　28
3．1．2　多重假設(shè)檢驗　29
3．1．3　利用Bootstrap構(gòu)造檢驗閾值　29
3．2　信息論準(zhǔn)則　31
3．2．1　信息論準(zhǔn)則的推導(dǎo)　31
3．2．2　信息論準(zhǔn)則估計信源數(shù)的特性分析　34
3．3　色噪聲背景下的信號個數(shù)估計　37
3．3．1　信號模型　37
3．3．2基于蓋氏圓盤定理的相干信號個數(shù)估計　37
3．3．3　基于協(xié)方差矩陣對角加載的信息論準(zhǔn)則　40
3．3．4　基于特征值校正的聯(lián)合信息論算法　41
3．3．5　基于聚類分析的信號個數(shù)估計算法　43
3．3．6　利用Bootstrap實現(xiàn)的基于特征值加權(quán)的算法　44
第4章　常規(guī)的超分辨測向算法　48
4．1　經(jīng)典MUSIC算法　48
4．1．1　MUSIC算法基本原理　48
4．1．2　MUSIC算法的性能分析　51
4．2　ESPRIT算法　54
4．3　最大似然算法　56
4．4　稀疏重構(gòu)DOA估計　58
4．4．1　離散稀疏信號模型　58
4．4．2　壓縮采樣重建算法的概述　59
4．4．3　凸優(yōu)化算法　60
4．4．4　貪婪算法　61
4．4．5　塊稀疏重構(gòu)算法　65
4．4．6　網(wǎng)格失配的稀疏重構(gòu)算法　68
4．4．7　連續(xù)域內(nèi)的稀疏重構(gòu)算法　72
第5章　虛擬陣列下的測向算法　79
5．1　均勻圓陣下的虛擬陣列測向　79
5．1．1　圓陣的模式空間變換　79
5．1．2　虛擬均勻線陣的性能分析　82
5．1．3　模式空間平滑算法　84
5．1．4　模式空間下的ESPRIT算法　85
5．2　任意陣列下的內(nèi)插平滑算法　88
5．2．1　內(nèi)插陣列變換　88
5．2．2　內(nèi)插扇區(qū)的選取　89
5．2．3　內(nèi)插平滑算法　89
5．3　虛擬平移算法　91
第6章　極化敏感陣列下的循環(huán)平穩(wěn)信號測向　94
6．1　極化敏感陣列　94
6．1．1　電磁波極化原理　94
6．1．2　極化波的表示　95
6．1．3　極化矢量傳感器　96
6．2　循環(huán)平穩(wěn)信號　100
6．2．1　循環(huán)平穩(wěn)信號的定義　100
6．2．2　循環(huán)相關(guān)函數(shù)的性質(zhì)　101
6．2．3　信號的循環(huán)平穩(wěn)性抑制干擾和噪聲的能力　101
6．3　基于極化敏感陣列的循環(huán)平穩(wěn)相干信號測向算法　102
6．3．1　信號模型　102
6．3．2　算法原理分析　103
第7章　寬帶聚焦類超分辨測向算法　107
7．1　聚焦方法的基本原理　107
7．2　CSM方法分辨相干信號的實質(zhì)　108
7．3　相干信號子空間聚焦算法　108
7．3．1　雙邊相關(guān)變換算法　109
7．3．2　二維寬帶相干信號快速測向算法　110
第8章　陣列誤差校正算法　115
8．1　陣元間互耦　115
8．1．1　陣元間互耦對DOA估計的影響　115
8．1．2　陣元間互耦的校正　116
8．2　陣列通道幅相不一致性誤差　117
8．2．1陣列通道幅相不一致性誤差對DOA估計的影響　117
8．2．2　陣列通道幅相不一致性的輔加陣元法　119
8．3　陣元位置誤差　121
8．3．1　陣元位置誤差對DOA估計的影響　121
8．3．2　基于遺傳算法的陣元位置誤差校正算法　122
第9章　遠近場混合信號超分辨測向算法　137
9．1　基于四階累積量的算法　137
9．1．1　高階累積量的特性　137
9．1．2　基于四階累積量的兩步MUSIC算法　138
9．2　基于二階統(tǒng)計量的斜投影算法　141
9．2．1　斜投影算法的原理　141
9．2．2　斜投影法的實現(xiàn)步驟　142
9．3　存在陣列幅相誤差下的遠近場混合信號測向算法　143
9．3．1存在陣列幅相誤差時的混合信號模型　143
9．3．2　遠場信號到達方向估計　144
9．3．3　陣列幅相誤差估計　145
9．3．4　近場信號到達方向估計　146
第　10章 超分辨測向的快速算法與硬件實現(xiàn)技術(shù)　153
10．1　DOA估計快速算法　153
10．1．1　基于多級維納濾波器的特征向量求解算法　153
10．1．2　MUSIC算法譜峰搜索的快速實現(xiàn)方法　157
10．2　MUSIC算法的FPGA實現(xiàn)　158
10．2．1　協(xié)方差矩陣的FPGA實現(xiàn)　159
10．2．2　特征值分解模塊的FPGA實現(xiàn)　159
10．2．3　譜峰搜索的FPGA實現(xiàn)　162
10．3　MUSIC算法的多DSP實現(xiàn)技術(shù)　163
10．3．1　測向系統(tǒng)構(gòu)成　163
10．3．2　測向系統(tǒng)工作過程簡介　164
10．3．3　DSP芯片的選擇原則　165
10．3．4　TI和ADI主流DSP性能比較　165
10．3．5　基于TMS320C6201的多處理器實現(xiàn)　166
10．3．6　基于多ADI處理器的鏈路口級聯(lián)松耦合實現(xiàn)　185
10．3．7　基于多ADI處理器的共享總線緊耦合實現(xiàn)　193
參考文獻　200