阵列信号处理及MATLAB实现

1 (p1): 第1章 绪论
1 (p1-1): 1.1 研究背景
2 (p1-2): 1.2 阵列信号处理的发展史及现状
2 (p1-2-1): 1.2.1 波束形成技术
4 (p1-2-2): 1.2.2 空间谱估计方法
6 (p1-2-3): 1.2.3 阵列多参数估计
8 (p1-3): 1.3 本书的安排
9 (p1-4): 参考文献
17 (p2): 第2章 阵列信号处理基础
17 (p2-1): 2.1 矩阵代数的相关知识
17 (p2-1-1): 2.1.1 特征值与特征向量
17 (p2-1-2): 2.1.2 广义特征值与广义特征向量
18 (p2-1-3): 2.1.3 矩阵的奇异值分解
18 (p2-1-4): 2.1.4 Toeplitz矩阵
18 (p2-1-5): 2.1.5 Hankel矩阵
19 (p2-1-6): 2.1.6 Vandermonde矩阵
19 (p2-1-7): 2.1.7 Hermitian矩阵
19 (p2-1-8): 2.1.8 Kronecker积
20 (p2-1-9): 2.1.9 Khatri-Rao积
21 (p2-1-10): 2.1.10 Hadamard积
21 (p2-1-11): 2.1.11 向量化
22 (p2-2): 2.2 高阶统计量
22 (p2-2-1): 2.2.1 高阶矩、高阶累积量和高阶谱
23 (p2-2-2): 2.2.2 累积量性质
24 (p2-2-3): 2.2.3 高斯随机过程的高阶累积量
25 (p2-2-4): 2.2.4 随机场的累积量与多谱
26 (p2-2-5): 2.2.5 二维随机场的高阶矩及高阶累积量估计子
27 (p2-3): 2.3 四元数理论
27 (p2-3-1): 2.3.1 四元数
28 (p2-3-2): 2.3.2 Hamilton四元数矩阵
29 (p2-3-3): 2.3.3 Hamilton四元数矩阵的奇异值分解
30 (p2-3-4): 2.3.4 Hamilton四元数矩阵的右特征值分解
31 (p2-4): 2.4 平行因子理论
31 (p2-4-1): 2.4.1 平行因子模型
32 (p2-4-2): 2.4.2 可辨识性
33 (p2-4-3): 2.4.3 PARAFAC分解
34 (p2-5): 2.5 信源和噪声模型
34 (p2-5-1): 2.5.1 窄带信号
34 (p2-5-2): 2.5.2 相关系数
35 (p2-5-3): 2.5.3 噪声模型
35 (p2-6): 2.6 阵列天线的统计模型
35 (p2-6-1): 2.6.1 前提及假设
36 (p2-6-2): 2.6.2 阵列的基本概念
37 (p2-6-3): 2.6.3 天线阵模型
38 (p2-6-4): 2.6.4 阵列的方向图
39 (p2-6-5): 2.6.5 波束宽度
40 (p2-6-6): 2.6.6 分辨率
40 (p2-7): 2.7 阵列响应矢量/矩阵
44 (p2-8): 2.8 阵列协方差矩阵的特征分解
46 (p2-9): 2.9 信源数估计算法
46 (p2-9-1): 2.9.1 特征值分解方法
46 (p2-9-2): 2.9.2 信息论方法
47 (p2-9-3): 2.9.3 其他信源数估计方法
48 (p2-10): 参考文献
50 (p3): 第3章 波束形成算法
50 (p3-1): 3.1 波束形成定义
51 (p3-2): 3.2 常用的波束形成算法
51 (p3-2-1): 3.2.1 波束形成原理
52 (p3-2-2): 3.2.2 波束形成的最佳权向量
54 (p3-2-3): 3.2.3 波束形成的准则
55 (p3-3): 3.3 自适应波束形成算法
56 (p3-3-1): 3.3.1 自适应波束形成的最佳权向量
58 (p3-3-2): 3.3.2 权向量更新的自适应算法
59 (p3-3-3): 3.3.3 基于变换域的自适应波束形成算法
60 (p3-4): 3.4 广义旁瓣相消器（GSC）的波束形成算法及其改进
60 (p3-4-1): 3.4.1 广义旁瓣相消器（GSC）算法
61 (p3-4-2): 3.4.2 GSC的改进算法
62 (p3-5): 3.5 基于投影分析的波束形成
62 (p3-5-1): 3.5.1 基于投影的波束形成
63 (p3-5-2): 3.5.2 基于斜投影的波束形成算法
65 (p3-6): 3.6 过载情况下的自适应波束形成算法
65 (p3-6-1): 3.6.1 信号模型
66 (p3-6-2): 3.6.2 近似最小方差法波束形成器
67 (p3-7): 3.7…