《陣列信號處理及MATLAB實現(第2版)》是2020年3月電子工業出版社出版的圖書，作者是張小飛 。
基本介紹
- 中文名：陣列信號處理及MATLAB實現(第2版)
- 作者：張小飛
- 出版時間：2020年3月
- 出版社：電子工業出版社
- 頁數：464 頁
- ISBN：9787121373428
- 定價：118 元
- 開本：16 開
內容簡介,圖書目錄,
內容簡介
陣列信號處理是信號處理領域的一個重要分支，它採用感測器陣列來接收空間信號。與傳統的單個定向感測器相比，陣列信號處理具有靈活的波束控制、較高的信號增益、極強的干擾抑制能力，以及更高的空間分辨能力等優點，因而具有重要的軍事、民事套用價值和廣闊的套用前景。具體來說，陣列信號處理已用於雷達、聲納、通信、地震勘探、射電天文及醫學診斷等多種國民經濟和軍事領域。本書共12章，主要內容涵蓋波束形成、DOA估計、二維DOA估計、寬頻陣列信號處理、陣列分散式信源定位、陣列近場信源定位、稀疏陣列信號處理、向量感測器陣列信號處理及其MATLAB實現等。本書的讀者對象為通信與信息系統、信號和信息處理、微波和電磁場、水聲等專業的高年級本科生和研究生。
圖書目錄
目 錄
第1章 緒論 1
1.1 研究背景 1
1.2 陣列信號處理的發展史及現狀 1
1.2.1 波束形成技術 2
1.2.2 空間譜估計方法 4
1.2.3 陣列多維參數估計 7
1.3 本書的安排 9
參考文獻 10
第2章 陣列信號處理基礎 17
2.1 矩陣代數的相關知識 17
2.1.1 特徵值與特徵向量 17
2.1.2 廣義特徵值與廣義特徵向量 17
2.1.3 矩陣的奇異值分解 18
2.1.4 Toeplitz矩陣 18
2.1.5 Hankel矩陣 19
2.1.6 Vandermonde矩陣 19
2.1.7 Hermitian矩陣 19
2.1.8 Kronecker乘積 20
2.1.9 Khatri-Rao乘積 21
2.1.10 Hadamard乘積 21
2.1.11 向量化 22
2.2 高階統計量 22
2.2.1 高階矩、高階累積量和高階譜 22
2.2.2 累積量性質 24
2.2.3 高斯隨機過程的高階累積量 25
2.2.4 隨機場的累積量與多譜 26
2.2.5 二維隨機場的高階矩及高階累積量估計 28
2.3 四元數理論 29
2.3.1 四元數 29
2.3.2 Hamilton四元數矩陣 30
2.3.3 Hamilton四元數矩陣的奇異值分解 30
2.3.4 Hamilton四元數矩陣的右特徵值分解 32
2.4 平行因子理論 33
2.4.1 平行因子模型 33
2.4.2 可辨識性 34
2.4.3 PARAFAC分解 36
2.5 信源和噪聲模型 37
2.5.1 窄帶信號 37
2.5.2 相關係數 37
2.5.3 噪聲模型 38
2.6 陣列天線的統計模型 38
2.6.1 前提及假設 38
2.6.2 陣列的基本概念 38
2.6.3 天線陣模型 40
2.6.4 陣列的方向圖 41
2.6.5 波束寬度 42
2.6.6 解析度 43
2.7 陣列回響向量/矩陣 44
2.8 陣列協方差矩陣的特徵分解 47
2.9 信源數估計方法 50
2.9.1 特徵值分解方法 50
2.9.2 資訊理論方法 50
2.9.3 其他信源數估計方法 52
參考文獻 52
第3章 波束形成算法 54
3.1 波束形成定義 54
3.2 常用的波束形成算法 55
3.2.1 波束形成原理 55
3.2.2 波束形成的最佳權向量 56
3.2.3 波束形成的準則 59
3.3 自適應波束形成算法 60
3.3.1 自適應波束形成的最佳權向量 60
3.3.2 權向量更新的自適應算法 63
3.3.3 基於變換域的自適應波束形成算法 64
3.4 廣義旁瓣相消（GSC）的波束形成算法 65
3.5 基於投影和斜投影的波束形成算法 66
3.5.1 基於投影的波束形成算法 66
3.5.2 基於斜投影的波束形成算法 68
3.6 過載情況下的自適應波束形成算法 70
3.6.1 信號模型 70
3.6.2 近似最小方差法波束形成算法 71
3.7 基於高階累積量的波束形成算法 72
3.7.1 陣列模型 73
3.7.2 利用高階累積量方法估計期望信號的方向向量 74
3.7.3 基於高階累積量的盲波束形成 74
3.8 基於周期平穩性的波束形成算法 74
3.8.1 陣列模型與信號周期平穩性 75
3.8.2 CAB類盲波束形成算法 76
3.9 基於恆模的盲波束形成算法 78
3.9.1 信號模型 78
3.9.2 隨機梯度恆模算法 78
3.9.3 最小二乘恆模算法（LS-CMA） 79
3.10 穩健自適應波束形成 81
3.10.1 對角載入方法 82
3.10.2 基於特徵空間的方法 82
3.10.3 貝葉斯方法 83
3.10.4 基於最壞情況性能最佳化的方法 84
3.10.5 基於機率約束的方法 84
3.11 本章小結 85
參考文獻 85
第4章 DOA估計 89
4.1 引言 89
4.2 Capon算法和性能分析 90
4.2.1 數據模型 90
4.2.2 Capon算法 90
4.2.3 改進的Capon算法 91
4.2.4 Capon算法的均方誤差分析 92
4.3 MUSIC算法及其修正算法 95
4.3.1 MUSIC算法 95
4.3.2 MUSIC算法的推廣形式 96
4.3.3 MUSIC算法性能分析 98
4.3.4 求根MUSIC算法 102
4.3.5 求根MUSIC算法性能 103
4.4 最大似然法 103
4.4.1 確定性最大似然法 104
4.4.2 隨機性最大似然法 105
4.5 子空間擬合算法 106
4.5.1 信號子空間擬合（SSF） 107
4.5.2 噪聲子空間擬合（NSF）108
4.5.3 子空間擬合算法的性能 109
4.5.4 子空間擬合算法的實現 111
4.6 ESPRIT算法及其修正算法 118
4.6.1 ESPRIT算法的基本模型 118
4.6.2 LS-ESPRIT算法 121
4.6.3 TLS-ESPRIT算法 122
4.6.4 ESPRIT算法理論性能 123
4.7 基於四階累積量的DOA估計 126
4.7.1 四階累積量與二階統計量之間的關係 126
4.7.2 四階累積量的陣列擴展特性 128
4.7.3 MUSIC-like算法 129
4.7.4 virtual-ESPRIT算法 130
4.8 傳播運算元 132
4.8.1 譜峰搜尋傳播運算元和性能分析 132
4.8.2 旋轉不變PM 138
4.9 基於廣義ESPRIT算法的DOA估計算法 140
4.9.1 陣列模型 140
4.9.2 譜峰搜尋廣義ESPRIT方法 141
4.9.3 無須搜尋的廣義ESPRIT算法 143
4.10 基於壓縮感知理論的DOA估計 144
4.10.1 壓縮感知基本原理 144
4.10.2 基於壓縮感知理論的DOA估計算法 148
4.11 相干信源DOA估計 148
4.11.1 引言 148
4.11.2 空間平滑算法 150
4.11.3 改進的MUSIC算法 151
4.11.4 基於Toeplitz矩陣重構的ESPRIT算法 152
4.12 大規模均勻線陣下基於DFT的DOA估計算法 154
4.12.1 數據模型 155
4.12.2 基於DFT的低複雜度DOA估計算法 155
4.12.3 算法分析 157
4.12.4 仿真實驗 160
4.13 本章小結 161
參考文獻 161
第5章 二維DOA估計 167
5.1 引言 167
5.2 均勻面陣中基於旋轉不變性的二維DOA估計算法 168
5.2.1 數據模型 168
5.2.2 基於ESPRIT的二維DOA估計算法 170
5.2.3 基於PM的二維DOA估計算法 174
5.3 均勻面陣中基於MUSIC類的二維DOA估計算法 180
5.3.1 數據模型 181
5.3.2 二維MUSIC算法 181
5.3.3 降維MUSIC算法 181
5.3.4 級聯MUSIC算法 187
5.4 均勻面陣中基於三線性分解的二維DOA估計算法 189
5.4.1 數據模型 190
5.4.2 三線性分解 191
5.4.3 可辨識性分析 192
5.4.4 二維DOA估計 193
5.4.5 算法複雜度和優點 194
5.4.6 仿真結果 194
5.5 均勻面陣中基於壓縮感知三線性模型的二維DOA估計 195
5.5.1 數據模型 195
5.5.2 三線性模型壓縮 195
5.5.3 三線性分解 196
5.5.4 可辨識性分析 197
5.5.5 基於稀疏恢復的二維DOA估計 198
5.5.6 算法複雜度和優點 199
5.5.7 仿真結果 200
5.6 雙平行線陣二維DOA估計：DOA矩陣法和擴展DOA矩陣法 200
5.6.1 陣列結構及信號模型 200
5.6.2 DOA矩陣法 201
5.6.3 擴展DOA矩陣法 202
5.6.4 性能分析與仿真 205
5.7 均勻圓陣中二維DOA估計 206
5.7.1 數據模型 207
5.7.2 波束空間轉換 207
5.7.3 UCA-RB-MUSIC算法 208
5.7.4 UCA-Root-MUSIC算法 209
5.7.5 UCA-ESPRIT算法 209
5.8 本章小結 210
參考文獻 211
第6章 寬頻陣列信號處理基礎和寬頻波束形成 213
6.1 引言 213
6.2 寬頻陣列信號處理基礎 214
6.2.1 寬頻信號的概念 214
6.2.2 陣列信號模型 215
6.3 寬頻信號源的DOA估計 216
6.3.1 非相干信號子空間方法（ISM） 216
6.3.2 相干信號子空間方法（CSM） 217
6.3.3 聚焦矩陣的構造方法 218
6.4 穩健的麥克風陣列近場寬頻波束形成 221
6.4.1 概述 221
6.4.2 基於凸最佳化的穩健近場寬頻波束形成器設計 224
6.4.3 穩健近場自適應波束形成 235
6.5 本章小結 242
參考文獻 242
第7章 陣列分散式信源定位 246
7.1 引言 246
7.2 線性陣列中基於ESPRIT的分散式信源定位算法 248
7.2.1 數據結構 248
7.2.2 基於ESPRIT的分散式信源定位算法 251
7.2.3 性能分析 253
7.2.4 仿真結果 254
7.3 線性陣列中基於DSPE的分散式信源定位算法 255
7.3.1 數據結構 255
7.3.2 基於DSPE的分散式信源定位算法 255
7.4 線性陣列中基於級聯DSPE的分散式信源定位算法 256
7.4.1 數據結構 256
7.4.2 基於級聯DSPE的分散式信源定位算法 256
7.4.3 性能分析 258
7.4.4 仿真結果 259
7.5 線性陣列中基於廣義ESPRIT的分散式信源定位算法 261
7.5.1 數據結構 261
7.5.2 基於廣義ESPRIT的分散式信源定位算法 262
7.5.3 基於多項式求根的中心DOA估計方法 266
7.5.4 性能分析 268
7.5.5 仿真結果 272
7.6 移不變陣列中基於快速PARAFAC的分散式信源定位算法 274
7.6.1 數據結構 274
7.6.2 基於快速PARAFAC的分散式信源定位算法 276
7.6.3 性能分析 280
7.6.4 仿真結果 281
7.7 本章小結 282
參考文獻 283
第8章 陣列近場信源定位 286
8.1 引言 286
8.1.1 研究背景 286
8.1.2 研究現狀 287
8.2 近場信源目標定位：二階統計量算法 288
8.2.1 數據模型 288
8.2.2 基於二階統計量的近場源參數估計算法 289
8.2.3 算法主要步驟 290
8.2.4 算法複雜度和優點 290
8.2.5 仿真結果 291
8.3 近場信源目標定位：二維MUSIC算法 291
8.3.1 數據模型 291
8.3.2 算法描述 292
8.3.3 算法仿真結果 293
8.4 近場信源目標定位：降秩MUSIC算法 293
8.4.1 數據模型 294
8.4.2 算法描述 294
8.4.3 算法步驟 295
8.4.4 算法複雜度分析 296
8.4.5 算法優點 296
8.4.6 仿真結果 296
8.5 近場信源目標定位：降維MUSIC算法 297
8.5.1 數據模型 297
8.5.2 算法描述 297
8.5.3 算法步驟 300
8.5.4 算法複雜度分析 300
8.5.5 算法優點 301
8.5.6 仿真結果 301
8.6 本章小結 302
參考文獻 302
第9章 稀疏陣列DOA估計 304
9.1 引言 304
9.2 稀疏陣列結構 305
9.2.1 互質線陣與差分陣列 305
9.2.2 Nested陣 307
9.2.3 互質線陣最佳化 309
9.2.4 Nested陣最佳化 313
9.3 互質陣DOA估計：解模糊方法 315
9.3.1 數據模型 315
9.3.2 基於MUSIC的DOA估計算法 316
9.3.3 基於ESPRIT的DOA估計算法 318
9.3.4 仿真結果 319
9.4 互質線陣DOA估計：空間平滑算法 321
9.4.1 數據模型 321
9.4.2 基於SS-MUSIC的DOA估計算法 322
9.4.3 基於SS-ESPRIT的DOA估計算法 324
9.4.4 仿真結果 327
9.5 互質陣DOA估計：非空間平滑算法 329
9.5.1 數據模型 330
9.5.2 基於DFT的DOA估計算法 330
9.5.3 基於CS的DOA估計算法 333
9.5.4 仿真結果 335
9.6 本章小結 337
參考文獻 337
第10章 極化敏感陣列信號處理 340
10.1 引言 340
10.1.1 研究背景 340
10.1.2 極化敏感陣列的國內外研究現狀分析 341
10.2 極化敏感陣列中PARAFAC信號檢測法 342
10.2.1 信號接收模型 342
10.2.2 PARAFAC接收算法 344
10.3 極化敏感陣列中的PARAFAC信號的DOA和極化估計算法 345
10.3.1 DOA估計 345
10.3.2 極化估計 346
10.4 極化敏感陣列中基於降維MUSIC的盲DOA和極化估計 347
10.4.1 數據模型 347
10.4.2 DOA和極化估計算法 348
10.4.3 仿真結果 351
10.5 基於四元數的向量陣列的參數估計算法 352
10.6 基於雙四元數理論的三分量向量感測器陣列參量 聯合估計 356
10.6.1 線性均勻一致的三分量向量感測器陣列的雙四元數模型 356
10.6.2 信源波達方向和極化參量的聯合估計 357
10.7 本章小結 359
參考文獻 359
第11章 聲向量感測器陣列二維DOA估計 362
11.1 引言 362
11.2 基於ESPRIT算法的任意聲向量感測器陣列的二維波達方向估計 363
11.2.1 數據模型 363
11.2.2 ESPRIT算法 364
11.2.3 仿真結果 366
11.3 基於三線性分解的任意聲向量感測器陣列的二維波達方向估計 366
11.3.1 數據模型 367
11.3.2 三線性分解和DOA估計 368
11.3.3 仿真結果 371
11.4 基於PM的聲向量感測器陣列二維DOA估計算法 372
11.4.1 數據模型 372
11.4.2 算法推導 373
11.4.3 仿真結果 376
11.5 單快拍下聲向量感測器陣列二維相干DOA估計算法 377
11.5.1 數據模型 377
11.5.2 算法推導 378
11.5.3 仿真結果 381
11.6 聲向量感測器陣列下非圓信號二維DOA估計算法 382
11.6.1 數據模型 382
11.6.2 算法推導 383
11.6.3 仿真結果 386
11.7 聲向量感測器陣列中基於級聯MUSIC的二維DOA估計 387
11.7.1 數據模型 387
11.7.2 聲向量感測器陣列中的二維DOA估計 388
11.7.3 仿真結果 391
11.8 聲向量感測器陣列中基於PARALIND分解相干二維DOA估計算法 393
11.8.1 數據模型 393
11.8.2 相干二維角度估計 394
11.8.3 仿真結果 398
11.9 本章小結 399
參考文獻 399
第12章 陣列信號處理MATLAB編程 402
12.1 常用函式介紹 402
12.1.1 創建矩陣 402
12.1.2 zeros函式：創建全0矩陣 402
12.1.3 eye函式：創建單位矩陣 403
12.1.4 ones函式：創建全1矩陣 403
12.1.5 rand函式：創建均勻分布隨機矩陣 404
12.1.6 randn函式：創建常態分配隨機矩陣 404
12.1.7 hankel函式：創建Hankel矩陣 405
12.1.8 toeplitz函式：創建Toeplitz矩陣 405
12.1.9 det函式：計算方陣行列式 406
12.1.10 inv函式：求方陣的逆矩陣 406
12.1.11 pinv函式：求矩陣的偽逆矩陣 407
12.1.12 rank函式：求矩陣的秩 407
12.1.13 diag函式：抽取矩陣對角線元素 407
12.1.14 fliplr函式：矩陣左右翻轉 408
12.1.15 eig函式：矩陣特徵值分解 408
12.1.16 svd函式：矩陣奇異值分解 409
12.1.17 矩陣轉置和共軛轉置 410
12.1.18 awgn函式：添加高斯白噪聲 410
12.1.19 sin函式：正弦函式 411
12.1.20 cos函式：餘弦函式 411
12.1.21 tan函式：正切函式 411
12.1.22 asin函式：反正弦函式 412
12.1.23 acos函式：反餘弦函式 412
12.1.24 atan函式：反正切函式 412
12.1.25 abs函式：求複數的模 412
12.1.26 angle函式：求複數的相位角 413
12.1.27 real函式：求複數的實部 413
12.1.28 imag函式：求複數的虛部 414
12.1.29 sum函式：求和函式 414
12.1.30 max函式：求最大值函式 414
12.1.31 min函式：求最小值函式 415
12.1.32 sort函式：排序函式 416
12.1.33 poly2sym函式：創建多項式 417
12.1.34 sym2poly函式：將符號多項式轉換為數值多項式 417
12.1.35 roots函式：多項式求根 418
12.1.36 size函式：求矩陣大小 418
12.2 波束形成MATLAB程式 419
12.2.1 LCMV波速形成算法MATLAB程式 419
12.2.2 LMS自適應波速形成MATLAB程式 420
12.3 DOA估計算法MATLAB程式 422
12.3.1 MUSIC算法MATLAB程式 422
12.3.2 ESPRIT算法MATLAB程式 424
12.3.3 root-MUSIC算法MATLAB程式 426
12.3.4 譜峰搜尋傳播運算元算法MATLAB程式 427
12.3.5 空間平滑MUSIC算法MATLAB程式 430
12.4 二維DOA估計算法MATLAB程式 432
12.4.1 L型陣列下基於二維MUSIC的二維DOA估計算法 432
12.4.2 均勻圓陣下基於UCA-ESPRIT的二維DOA估計算法 434
12.4.3 基於增廣矩陣束的L型陣列的二維DOA估計算法 436
12.4.4 面陣中二維角度估計：Unitary-ESPRIT算法 438
12.5 信源數估計MATLAB程式 440
12.6 寬頻信號DOA估計MATLAB程式 442
12.7 本章小結 444
參考文獻 445
