阵列信号处理及MATLAB实现（第3版）

图书标准信息

• 作者 张小飞
• 出版社 电子工业出版社
• 出版时间 2023-07
• 版次 1
• ISBN 9787121460708
• 定价 119.00元
• 装帧 其他
• 开本 其他
• 页数 456页
• 字数 593千字

【内容简介】

阵列信号处理是信号处理领域的一个重要分支，它采用传感器阵列来接收空间信号。与传统的单个定向传感器相比，传感器阵列具有灵活的波束控制、较高的信号增益、极强的干扰抑制能力以及更高的空间分辨能力等优点，因而具有重要的军事、民事应用价值和广阔的应用前景。具体来说，阵列信号处理已涉及雷达、声呐、通信、地震勘探、射电天文以及医学诊断等多个国民经济和军事应用领域。本书分为11章，主要内容涵盖阵列信号处理基础、波束形成、DOA估计、二维DOA估计、宽带阵列信号处理、分布式信源空间谱估计、阵列近场信源定位、互质阵列信号处理、嵌套阵列信号处理和阵列信号处理的MATLAB编程等。本书的读者对象为通信与信息系统、信号与信息处理、电磁场与微波技术、水声工程等专业的高年级本科生和研究生。

【作者简介】

张小飞，教授/博导，通信工程研究所常务副所长、电磁频谱空间动态认知系统重点实验室常务副主任，入选爱思唯尔“中国高被引学者”、全球前2%顶尖科学家。为中国通信学会青年工作委员会委员、中国电子学会教育工作委员会青年组委员、江苏省科技评估专家。为20多家国际会议TPC成员，担任10多家刊物的编委；任国际刊物客座主编；受邀做会议主题报告10多次、主持国际会议一次。近年来发表SCI论文80多篇，ESI高被引论文2篇；出版著作11部，授权专利20多项。主持国家级项目5项，其他项目20多项。获得中国电子学会自然科学一等奖1项、中国通信学会自然科学一等奖1项、中国雷达行业协会技术发明一等奖1项、国防科学技术进步奖3项、江苏省科技进步奖2项、“333”人才计划、青蓝工程“中青年学术带头人”、“六大人才高峰”B类、江苏省航空航天学会“优秀科技工作者”；入选中国百篇最具影响国际学术论文。

【目录】

第1章  绪论1

1.1  研究背景1

1.2  阵列信号处理的发展1

1.2.1  波束形成技术2

1.2.2  空间谱估计方法4

1.2.3  稀疏阵列信号处理8

1.3  本书的安排9

参考文献10

第2章  阵列信号处理基础17

2.1  矩阵代数的相关知识17

2.1.1  特征值与特征向量17

2.1.2  广义特征值与广义特征向量17

2.1.3  矩阵的奇异值分解17

2.1.4  Toeplitz矩阵18

2.1.5  Hankel矩阵18

2.1.6  Vandermonde矩阵19

2.1.7  Hermitian矩阵19

2.1.8  Kronecker积19

2.1.9  Khatri-Rao积20

2.1.10  Hadamard积21

2.1.11  向量化21

2.2  高阶统计量22

2.2.1  高阶累积量、高阶矩和高阶谱22

2.2.2  累积量性质24

2.2.3  高斯随机过程的高阶累积量24

2.2.4  随机场的累积量与多谱25

2.3  四元数理论27

2.3.1  四元数27

2.3.2  Hamilton四元数矩阵28

2.3.3  Hamilton四元数矩阵的奇异值分解29

2.3.4  Hamilton四元数矩阵的右特征值分解30

2.4  PARAFAC理论32

2.4.1  PARAFAC模型32

2.4.2  可辨识性32

2.4.3  PARAFAC分解34

2.5  信源和噪声模型36

2.5.1  窄带信号36

2.5.2  相关系数36

2.5.3  噪声模型36

2.6  阵列天线的统计模型37

2.6.1  前提及假设37

2.6.2  阵列的基本概念37

2.6.3  天线阵列模型38

2.6.4  阵列的方向图40

2.6.5  波束宽度41

2.6.6  分辨率42

2.7  阵列响应向量/矩阵42

2.8  阵列协方差矩阵的特征值分解46

2.9  信源数估计49

2.9.1  特征值分解方法49

2.9.2  信息论方法49

2.9.3  其他信源数估计方法51

参考文献51

第3章  波束形成53

3.1  波束形成定义53

3.2  常用的波束形成算法54

3.2.1  波束形成原理54

3.2.2  波束形成的最优权向量55

3.2.3  波束形成的准则58

3.3  自适应波束形成算法59

3.3.1  自适应波束形成的最优权向量60

3.3.2  权向量更新的自适应算法62

3.3.3  基于变换域的自适应波束形成算法63

3.4  基于GSC的波束形成算法65

3.5  基于投影分析的波束形成算法66

3.5.1  基于投影的波束形成算法66

3.5.2  基于斜投影的波束形成算法67

3.6  过载情况下的自适应波束形成算法69

3.6.1  信号模型69

3.6.2  近似最小方差波束形成算法70

3.7  基于高阶累积量的波束形成算法72

3.7.1  阵列模型72

3.7.2  利用高阶累积量方法估计期望信号的方向向量73

3.7.3  基于高阶累积量的盲波束形成73

3.8  基于周期平稳性的波束形成算法74

3.8.1  阵列模型与信号周期平稳性74

3.8.2  CAB类盲自适应波束形成算法75

3.9  基于恒模的盲波束形成算法77

3.9.1  信号模型77

3.9.2  随机梯度恒模算法78

3.10  稳健的自适应波束形成算法79

3.10.1  对角线加载方法80

3.10.2  基于特征空间的方法80

3.10.3  贝叶斯方法81

3.10.4  基于最坏情况性能优化的方法82

3.10.5  基于概率约束的方法83

3.11  本章小结83

参考文献84

第4章  DOA估计87

4.1  引言87

4.2  Capon算法和性能分析88

4.2.1  数据模型88

4.2.2  Capon算法88

4.2.3  改进的Capon算法89

4.2.4  Capon算法的MSE分析90

4.3  MUSIC算法及其修正算法93

4.3.1  MUSIC算法93

4.3.2  MUSIC算法的推广形式94

4.3.3  MUSIC算法性能分析96

4.3.4  Root-MUSIC算法99

4.3.5  Root-MUSIC算法性能分析100

4.4  最大似然法101

4.4.1  确定性最大似然法101

4.4.2  随机性最大似然法103

4.5  子空间拟合算法104

4.5.1  信号子空间拟合104

4.5.2  噪声子空间拟合106

4.5.3  子空间拟合算法性能106

4.6  ESPRIT算法及其修正算法108

4.6.1  ESPRIT算法的基本模型109

4.6.2  LS-ESPRIT算法111

4.6.3  TLS-ESPRIT算法113

4.6.4  ESPRIT算法理论性能114

4.7  四阶累积量方法116

4.7.1  四阶累积量与二阶统计量之间的关系117

4.7.2  四阶累积量的阵列扩展特性118

4.7.3  MUSIC-like算法119

4.7.4  virtual-ESPRIT算法120

4.8  传播算子122

4.8.1  谱峰搜索传播算子122

4.8.2  旋转不变传播算子128

4.9  广义ESPRIT算法130

4.9.1  阵列模型131

4.9.2  谱峰搜索广义ESPRIT算法132

4.9.3  无须进行谱峰搜索的广义ESPRIT算法133

4.10  压缩感知方法134

4.10.1  压缩感知基本原理134

4.10.2  正交匹配追踪138

4.10.3  稀疏贝叶斯学习140

4.11  DFT类方法141

4.11.1  数据模型142

4.11.2  基于DFT的低复杂度DOA估计算法142

4.11.3  算法分析和改进144

4.11.4  仿真实验148

4.12  相干信源DOA估计算法149

4.12.1  引言149

4.12.2  空间平滑算法151

4.12.3  改进的MUSIC算法152

4.12.4  基于Toeplitz矩阵重构的相干信源DOA估计算法153

4.13  本章小结155

参考文献155

第5章  二维DOA估计160

5.1  引言160

5.2  均匀面阵中基于旋转不变性的二维DOA估计算法161

5.2.1  数据模型161

5.2.2  基于ESPRIT的二维DOA估计算法163

5.2.3  基于传播算子的二维DOA估计算法166

5.3  均匀面阵中基于MUSIC类的二维DOA估计算法173

5.3.1  数据模型173

5.3.2  二维MUSIC算法173

5.3.3  降维MUSIC算法174

5.3.4  级联MUSIC算法180

5.4  均匀面阵中基于PARAFAC分解的二维DOA估计算法182

5.4.1  数据模型183

5.4.2  PARAFAC分解184

5.4.3  可辨识性分析185

5.4.4  二维DOA估计过程186

5.4.5  算法复杂度和优点187

5.4.6  仿真结果188

5.5  均匀面阵中基于压缩感知PARAFAC模型的二维DOA估计算法188

5.5.1  数据模型188

5.5.2  PARAFAC模型压缩189

5.5.3  PARAFAC分解189

5.5.4  可辨识性分析190

5.5.5  基于稀疏恢复的二维DOA估计191

5.5.6  算法复杂度和优点192

5.5.7  仿真结果193

5.6  双平行线阵中二维DOA估计算法：DOA矩阵法和扩展DOA矩阵法193

5.6.1  阵列结构及信号模型194

5.6.2  DOA矩阵法194

5.6.3  扩展DOA矩阵法196

5.6.4  性能分析与仿真198

5.7  均匀圆阵中二维DOA估计算法200

5.7.1  数据模型200

5.7.2  波束空间转换200

5.7.3  UCA-RB-MUSIC算法201

5.7.4  UCA-Root-MUSIC算法202

5.7.5  UCA-ESPRIT算法202

5.8  本章小结203

参考文献204

第6章  宽带阵列信号处理207

6.1  引言207

6.2  宽带阵列信号模型208

6.2.1  宽带信号的概念208

6.2.2  阵列信号模型209

6.3  宽带信号的DOA估计210

6.3.1  非相干信号子空间方法210

6.3.2  相干信号子空间方法211

6.3.3  聚焦矩阵的构造方法212

6.4  稳健的麦克风阵列近场宽带波束形成215

6.4.1  概述215

6.4.2  基于凸优化的稳健近场宽带波束形成219

6.4.3  稳健近场自适应波束形成229

6.5  本章小结237

参考文献237

第7章  分布式信源空间谱估计240

7.1  引言240

7.2  基于ESPRIT的分布式信源空间谱估计算法242

7.2.1  数据模型242

7.2.2  算法描述244

7.2.3  性能分析247

7.2.4  仿真结果248

7.3  基于DSPE的分布式信源空间谱估计算法249

7.3.1  数据模型249

7.3.2  算法描述249

7.4  基于级联DSPE的分布式信源空间谱估计算法250

7.4.1  数据模型250

7.4.2  算法描述250

7.4.3  性能分析252

7.4.4  仿真结果253

7.5  基于广义ESPRIT的分布式信源空间谱估计算法255

7.5.1  数据模型255

7.5.2  算法描述256

7.5.3  多项式求根方法260

7.5.4  性能分析262

7.5.5  仿真结果266

7.6  基于快速PARAFAC的分布式信源空间谱估计算法268

7.6.1  数据模型268

7.6.2  算法描述270

7.6.3  性能分析274

7.6.4  仿真结果275

7.7  本章小结276

参考文献277

第8章  阵列近场信源定位280

8.1  引言280

8.1.1  研究背景280

8.1.2  研究现状281

8.2  基于二阶统计量的近场信源定位算法282

8.2.1  数据模型282

8.2.2  算法描述282

8.2.3  性能分析284

8.2.4  仿真结果284

8.3  基于二维MUSIC的近场信源定位算法285

8.3.1  数据模型285

8.3.2  算法描述286

8.3.3  仿真结果287

8.4  基于降秩MUSIC的近场信源定位算法287

8.4.1  数据模型288

8.4.2  算法描述288

8.4.3  性能分析290

8.4.4  仿真结果290

8.5  基于降维MUSIC的近场信源定位算法291

8.5.1  数据模型291

8.5.2  算法描述291

8.5.3  性能分析295

8.5.4  仿真结果296

8.6  本章小结296

参考文献297

第9章  互质阵列信号处理298

9.1  引言298

9.2  互质线阵结构与信号模型及两种DOA估计算法299

9.2.1  互质线阵结构与信号模型299

9.2.2  基于互质子阵分解思想的DOA估计算法300

9.2.3  基于虚拟阵元扩展思想的DOA估计算法303

9.3  基于孔洞填充思想的嵌型子阵互质阵列307

9.3.1  互耦条件下的接收信号模型307

9.3.2  孔洞填充方案及嵌型子阵互质阵列309

9.3.3  仿真结果316

9.4  基于嵌套思想的均匀tCADiS差联合阵列318

9.4.1  均匀差联合阵9