《阵列信号处理的理论和应用》的读者对象为通信与信息系统、信号和信息处理、微波和电磁场、水声等专业高年级本科生和研究生以及相关专业技术人员。阵列信号处理是信号处理领域的一个重要分支。与传统的单个定向传感器相比，用传感器阵列来接收空间信号具有灵活的波束控制、高的信号增益、极强的干扰抑制能力以及高的空间分辨能力等优点，这使得阵列信号处理具有重要的军事、民事应用价值和广阔的应用前景，具体来说已涉及雷达、声纳、通信、地震勘探、射电天文以及医学诊断等多种国民经济和军事应用领域。《阵列信号处理的理论和应用》分为12章，主要内容包括波束形成、DOA估计、相干信号的DOA估计、二维DOA估计、宽带阵列信号处理、阵列多参数估计等。《阵列信号处理的理论和应用》在全面介绍阵列信号处理的经典理论的同时，对近来一些新算法（如PARAFAc和四元数理论）进行了讲解，同时介绍了MIMO雷达、极化敏感阵列和声矢量传感器阵列的一些应用。
编辑推荐
《阵列信号处理的理论和应用》是由国防工业出版社出版的。 目录
符号说明
第1章 绪论
1.1 研究背景
1.2 阵列信号处理的发展史及现状
1.2.1 波束形成技术
1.2.2 空间谱估计方法
1.2.3 阵列多参数估计
1.3 本书的安排
参考文献
第2章 阵列信号处理基础
2.1 矩阵代数的相关知识
2.1.1 特征值与特征向量
2.1.2 广义特征值与广义特征向量
2.1.3 矩阵的奇异值分解
2.1.4 Toeplitz矩阵
2.1.5 Hankel矩阵
2.1.6 Vandermonde矩阵
2.1.7 Hermitian矩阵
2.1.8 Kronecker积
2.1.9 Khatri-Rao积
2.2 信号模型
2.2.1 窄带信号
2.2.2 相关系数
2.2.3 噪声模型
2.3 阵列天线的统计模型
2.3.1 前提及假设
2.3.2 阵列的基本概念
2.3.3 天线阵模型
2.3.4 阵列的方向图
2.3.5 波束宽度
2.3.6 分辨力
2.4 阵列响应矢量／矩阵
2.5 阵列协方差矩阵的特征分解
2.6 信源数估计算法
2.6.1 特征值分解方法
2.6.2 信息论方法
2.6.3 平滑秩序列法
2.6.4 盖氏圆方法
2.6.5 正则相关技术
参考文献
第3章 波束形成算法
3.1 波束形成定义
3.2 常用的波束形成算法
3.2.1 波束形成原理
3.2.2 波束形成的最佳权矢量
3.2.3 波束形成的准则
3.2.4 仿真与分析
3.3 自适应波束形成算法
3.3.1 引言
3.3.2 自适应波束形成的最佳权矢量
3.3.3 权矢量更新的自适应算法
3.4 广义旁瓣相消器(GSC)的波束形成算法及其改进
3.4.1 “义旁瓣相消器算法”
3.4.2 GSC的改进算法
3.4.3 仿真及分析
3.5 基于投影分析的波束形成
3..5.1 基于投影的波束形成
3.5.2 基于斜投影的波束形成算法
3.6 过载情况下的自适应波束形成算法
3.6.1 信号模型
3.6.2 近似最小方差法波束形成器
3.6.3 阵列固有的协方差矩阵的求解
3.7 基于高阶累积量的波束形成算法
3.7.1 阵列模型
3.7.2 利用高阶累积量方法估计期望信号的方向矢量
3.7.3 基于高阶累积量的盲波束形成
3.8 基于周期平稳性的波束形成算法
3.8.1 阵列模型与信号周期平稳性
3.8.2 CAB类盲波束形成算法
3.9 基于恒模的盲波束形成算法
3.9.1 信号模型
3.9.2 随机梯度恒模算法
3.9.3 最小二乘恒模算法(IS-CMA)
3.10 自适应对角线加载的波束形成算法
3.10.1 引言
3.10.2 问题的提出
3.10.3 自适应对角线加载波束形成算法
3.10.4 仿真及分析
3.11 变换域波束形成技术
3.11.1 引言
3.11.2 基于频域的自适应波束形成算法
3.11.3 小波域自适应波束形成算法
3.12 鲁棒的自适应波束成形
3.12.1 对角加载方法
3.12.2 基于特征空间的方法
3.12.3 贝叶斯方法
3.12.4 基于最坏情况性能优化的方法
3.12.5 基于概率约束的方法
参考文献
第4章 DOA估计算法
4.1 DOA估计的发展
4.2 传统的DOA估计方法
4.2.1 Capon算法
4.2.2 前向预测算法
4.2.3 最大熵算法
4.2.4 最小模算法
4.3 MUSIC算法及其修正算法
4.3.1 MUSIC算法
4.3.2 MUSIC算法的推广形式
4.3.3 MUSIC算法性能分析
4.3.4 求根MUSIC算法
4.3.5 求根MUSIC算法性能
4.4 最大似然法
4.4.1 确定性最大似然法
4.4.2 随机性最大似然法
4.5 子空间拟合算法
4.5.1 信号子空间拟合(SSF)
4.5.2 噪声子空间拟合(NSF)
4.5.3 子空间拟合算法性能
4.5.4 子空间拟合算法的实现
4.6 基于特征空间的DOA估计算法
4.6.1 信号模型
4.6.2 基于特征空间的DOA估计算法
4.6.3 仿真和分析
4.7 ESPRIT算法及其修正算法
4.7.1 ESPRIT算法的基本模型
4.7.2 LS-ESPRIT
4.7.3 TLS-ESPRIT
4.7.4 SLS-ESPRIT
4.7.5 酉ESPRIT：
4.7.6 ESPRIT算法理论性能
4.8 基于四阶累积量的DOA估计
4.8.1 引言
4.8.2 四阶累积量与二阶统计量之间的关系
4.8.3 四阶累积量的阵列扩展特性
4.8.4 MUSIC-Like算法
4.8.5 Virtual-ESPRIT算法
4.9 传播算子DOA估计算法
参考文献
第5章 相干信源DOA估计
5.1 相干信源DOA估计的发展
5.2 空间平滑算法
5.3 改进的MUSIC算法(IMUSIC)
5.4 基于Toeplitz矩阵重构的ESPRIT-Like算法
5.5 任意阵列下的相干信号DOA估计
参考文献
第6章 二维DOA估计
6.1 引言
6.2 L型阵列下盲二维波达方向估计
6.2.1 数据模型
6.2.2 基于移不变性的改进的二维波达方向估计
6.3 面阵中二维DOA估计算法
6.3.1 接收信号模型
……
第7章 宽带阵列信号处理
第8章 阵列多参数估计
第9章 四元数理论在阵列信号处理中的应用
第10章 MIMO雷达的角度估计
第11章 声矢量传感器阵列的DOA估计
第12章 极化敏感阵列信号处理
附录
缩略词 序言
众所周知，信号处理的基本原则是尽可能地利用、提取和恢复包含于信号特征中的有用信息。在复杂的电磁环境中，对信号的参数进行有效的检测和精确的估计就显得尤其重要。在信号处理的发展历程中，信号处理技术最初是从一维时域信号处理中得到发展的。长期以来人们在一维信号的检测和分析方面取得了许多重要研究成果。进入20世纪60年代以来，研究人员开始将一维信号处理逐渐延伸到多维信号处理领域。通过传感器阵列或者天线阵列把时域采样变成时空采样，将时间频率变成空间频率（角度），从而将时域信号处理的许多理论成果推广到空域，开辟了阵列信号处理这一新的研究领域，阵列信号处理也就逐渐成为信号处理领域的一个重要分支。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，具有灵活的波束控制、高信号增益、极强的干扰抑制能力以及高空间分辨能力等优点。
本书主要研究波束形成、波达方向估计算法、阵列多参数估计及其应用。本书主要特色如下。
（1）结构完整。虽然近年来国内外已经出版了几本涉及空间谱估计内容的优秀著作，但本书的体系更为完整，不仅包括空间谱估计，还覆盖了波束形成、阵列多参数估计和前沿发展。
（2）内容选材广。由于阵列信号处理的理论丰富且应用广泛，为了写好此书，我们收集了大量的国内外文献资料，并做了精心组织，尽可能地反映出这一学科中的精华内容。书中不仅对阵列信号处理中一些传统方法进行了详细讲解，同时对一些新方法（如四元数、PARAFAC方法）也进行了研究（详见附录B）。
（3）可读性强。对于许多读者来说，阵列信号处理所涉及的内容难学、难懂、难理解，尤其是专业论文不易读懂。本书注意了这一问题，尽量做到浅入深出，特别注重表达的清晰性、易懂性和可读性。为了便于读者阅读，书末和随书附赠光盘中附有必要的数学知识和阵列信号处理MATLAB程序。 文摘
插图：
阵列天线误差分析。阵列天线自适应波束形成技术在理论上具有十分优良的性能，但是在实际应用中却不尽如人意，究其原因是阵列天线不可避免地存在各种误差（如阵元响应误差、通道频率响应误差、阵元位置扰动误差、互耦等），各种误差可以综合用阵元幅相误差来表示。近年来，许多文章从不同侧面分析了阵列误差对自适应阵性能的影响。参考文献对各种误差的影响进行了分析综述。
1.2.2空间谱估计方法
阵列信号处理的另一个基本问题是空间信号到达方向（Direclion of Arrival，DOA）估计的问题，也是雷达、声纳等许多领域的重要任务之一。DOA估计的基本问题就是确定同时处在空间某一区域内多个感兴趣的信号的空间位置（即各个信号到达阵列参考阵元的方向角，简称波达方向）。波束形成实质上也是一个波达方向估计问题，只不过它们都是非参数化的波达方向估计器。这些估计的分辨率则决定于阵列长度。阵列长度确定后，其分辨率也就被确定，称为瑞利限。超瑞利限的方法称为超分辨方法。最早的超分辨DOA估计方法是著名的：MUSIC方法（及其改进算法）和ESPRIT方法，它们同属特征结构的子空间方法。子空间方法建立在这样一个基本观察之上：若传感器个数比信源个数多，则阵列数据的信号分量一定位于一个低秩的子空间。在一定条件下，这个子空间将唯一确定信号的波达方向，并且可以使用数值稳定的奇异值分解精确地确定波达方向。由于把线性空间的概念引入到DOA估计中，子空间方法实现了波达方向估计分辨率的突破。人们从各个方面发展和完善子空间估计方法。一些学者提出加权子空间拟合方法。这个方法的特点是根据一些准则，构造子空间的加权阵，然后重新拟合子空间，以达到某种性能指标的最优。但是，加权子空间拟合方法构造加权阵时，需要参数寻优，因此，计算复杂，通用性差。殷勤业等人提出了波达方向矩阵法。此方法根据阵列输出的协方差矩阵的性质，构造了波达方向矩阵，然后对波达方向矩阵进行特性分解，可以直接获得空间谱的全部信息，从而完全避免了多项式搜索，减少了计算量。此方法属于二维参数估计方法，可以同时估计信号的二维方向角。此方法由于计算量小、参数能够自动匹配等特点而引起人们的重视。例如参考文献利用波达方向矩阵法，实现信号频率和波达方向的同时估计。但是，波达方向矩阵法也存在一些缺点，如不允许任意两个信号源有相同的二维方向角，否则算法将出现病态，称为“角度兼并”问题。因此，金梁等人提出了时空波达方向矩阵法。
| ISBN | 9787118071009 |
|---|---|
| 出版社 | 国防工业出版社 |
| 作者 | 张小飞 |
| 尺寸 | 16 |