MIMO雷達(dá)參數(shù)估計(jì)技術(shù)

第1章 緒論
1．1 引言
1．2 MIMO雷達(dá)研究現(xiàn)狀
1．2．1 MIMO雷達(dá)起源和分類
1．2．2 MIMO雷達(dá)的發(fā)展現(xiàn)狀
1．3 本書結(jié)構(gòu)及內(nèi)容安排
參考文獻(xiàn)
第2章 MIMO雷達(dá)信號處理基礎(chǔ)
2．1 引言
2．2 MIMO雷達(dá)信號處理數(shù)學(xué)基礎(chǔ)
2．2．1 矩陣數(shù)學(xué)基礎(chǔ)
2．2．2 張量數(shù)學(xué)基礎(chǔ)
2．3 MIMO雷達(dá)信號模型
2．4 MIMO雷達(dá)信號的二階統(tǒng)計(jì)特性和高階統(tǒng)計(jì)特性
2．4．1 MIMO雷達(dá)信號的二階統(tǒng)計(jì)特性
2．4．2 MIMO雷達(dá)信號的高階統(tǒng)計(jì)特性
2．5 小結(jié)
參考文獻(xiàn)
第3章 均勻線陣MIMO雷達(dá)目標(biāo)參數(shù)估計(jì)
3．1 引言
3．2 基于空間譜搜索的角度估計(jì)算法
3．2．1 二維capon算法
3．2．2 二維MUSIC算法
3．2．3 降維的MUSIC算法
3．2．4 仿真實(shí)驗(yàn)與分析
3．3 基于子空間旋轉(zhuǎn)不變特性的角度估計(jì)方法
3．3．1 ESPRIT算法
3．3．2 ESPRIT-MUSIC算法
3．3．3 仿真實(shí)驗(yàn)與分析
3．4 實(shí)數(shù)域的參數(shù)估計(jì)方法
3．4．1 Centm-Symmetric陣列和Unitary變換
3．4．2 Unitary-MUSIC算法
3．4．3 Unitary-ESPRIT算法
3．4．4 Unitary-ESPRIT-MUSIC算法
3．4．5 仿真實(shí)驗(yàn)與分析
3．5 小結(jié)
參考文獻(xiàn)
第4章 非圓信號MIMO雷達(dá)目標(biāo)參數(shù)估計(jì)
4．1 引言
4．2 非圓信號的MIMO雷達(dá)模型
4．3 NC-MUSIC算法
4．3．1 二維NC-MUSIC算法
4．3．2 仿真實(shí)驗(yàn)與分析
4．4 非圓旋轉(zhuǎn)不變子空間算法
4．4．1 NC-ESPRIT算法
4．4．2 NC-ESPRIT-MUSIC算法
4．4．3 仿真實(shí)驗(yàn)與分析
4．5 實(shí)數(shù)域的非圓目標(biāo)參數(shù)估計(jì)方法
4．5．1 擴(kuò)展后虛擬陣列特性的Centro-Symmetric特性
4．5．2 unitary NC-MUSIC算法
4．5．3 Unitary NC-EsPRIT算法
4．5．4 仿真實(shí)驗(yàn)與分析
4．6 小結(jié)
參考文獻(xiàn)
第5章 MIMo雷達(dá)目標(biāo)參數(shù)快速估計(jì)
5．1 引言
5．2 傳播算子方法
5．2．1 傳播算子方法原理
5．2．2 基于傳播算子方法的參數(shù)估計(jì)
5．3 多級維納濾波技術(shù)
5．3．1 多級維納濾波原理
5．3．2 基于多級維納濾波器的參數(shù)估計(jì)
5．4 Nystrom方法
5．4．1 Nystrom方法矩陣近似原理
5．4．2 基于Nystrom方法的參數(shù)估計(jì)
5．5 仿真實(shí)驗(yàn)與分析
5．5．1 運(yùn)算復(fù)雜度分析
5．5．2 參數(shù)估計(jì)性能分析
5．6 小結(jié)
參考文獻(xiàn)
第6章 MIMo雷達(dá)相干目標(biāo)參數(shù)估計(jì)
6．1 引言
6．2 MIMO雷達(dá)相干目標(biāo)信號模型
6．3 基于二維聯(lián)合空間平滑的MIMO雷達(dá)相干目標(biāo)參數(shù)估計(jì)方去
6．3．1 基于二維聯(lián)合空間平滑算法的參數(shù)估計(jì)
6．3．2 擴(kuò)展陣列孔徑的二維聯(lián)合空間平滑算法
6．3．3 仿真實(shí)驗(yàn)與分析
6．4 基于矩陣重構(gòu)的MIM0雷達(dá)相干目標(biāo)參數(shù)估計(jì)方法
6．4．1 基于托普利茲矩陣重構(gòu)的相干目標(biāo)參數(shù)估計(jì)
6．4．2 仿真實(shí)驗(yàn)與分析
6．5 小結(jié)
參考文獻(xiàn)
第7章 基于高階累積量的MIMO雷達(dá)參數(shù)估計(jì)
7．1 引言
7．2 高階累積量的基本理論
7．2．1 特征函數(shù)
7．2．2 高階矩和高階累積量
7．2．3 高階累積量的性質(zhì)
7．2．4 四階累積量
7．3 基于四階累積量的MIM0雷達(dá)參數(shù)估計(jì)方法
7．3．1 信號模型
7．3．2 基于四階累積量的MUSIC算法
7．3．3 基于四階累積量的PM算法
7．3．4 基于四階累積量的相干信號角度估計(jì)方法
7．4 小結(jié)
參考文獻(xiàn)
第8章 MIMO雷達(dá)分布式目標(biāo)參數(shù)估計(jì)
8．1 引言
8．2 分布式目標(biāo)的信號模型
8．2．1 非相干分布式目標(biāo)信號模型
8．2．2 相干分布式目標(biāo)信號模型
8．3 廣義二維DMUSIC算法
8．4 廣義ESPRIT算法
8．4．1 相干分布式目標(biāo)參數(shù)估計(jì)
8．4．2 非相干分布式目標(biāo)角度估計(jì)
8．5 非圓分布式目標(biāo)參數(shù)估計(jì)方法
8．5．1 廣義NC-MUSIC算法
8．5．2 廣義NC-ESPRIT算法
8．6 仿真實(shí)驗(yàn)與分析
8．7 小結(jié)
參考文獻(xiàn)
第9章 基于張量分解的MIMO雷達(dá)參數(shù)估計(jì)
9．1 引言
9．2 MIMO雷達(dá)的張量信號模型
9．3 基于高階奇異值分解的MIMO雷達(dá)參數(shù)估計(jì)
9．3．1 匹配濾波器多維結(jié)構(gòu)特性分析
9．3．2 基于高階奇異值分解的子空間估計(jì)
9．3．3 基于高階協(xié)方差張量分解的子空間估計(jì)
9．3．4 參數(shù)聯(lián)合估計(jì)
9．3．5 仿真實(shí)驗(yàn)與分析
9．4 基于實(shí)值高階奇異值分解的參數(shù)估計(jì)
9．4．1 Centm-Herrnitian張量和張量實(shí)值變換
9．4．2 基于高階奇異值分解的UESPRIT算法
9．4．3 仿真實(shí)驗(yàn)與分析
9．5 色噪聲背景下基于高階奇異值分解的參數(shù)估計(jì)
9．5．1 色噪聲背景下的MIMO雷達(dá)張量信號模型
9．5．2 基于高階互協(xié)方差張量分解的參數(shù)估計(jì)
9．5．3 仿真實(shí)驗(yàn)與分析
9．6 小結(jié)
參考文獻(xiàn)
第10章 互耦誤差條件下的MIMO雷達(dá)參數(shù)估計(jì)
10．1 引言
10．2 互耦誤差條件下的MIMO雷達(dá)信號模型
10．3 互耦誤差條件下的MIMO雷達(dá)參數(shù)估計(jì)
10．3．1 基于MUSIC-Like的參數(shù)估計(jì)方法
10．3．2 基于ESPRIT-Like的參數(shù)估計(jì)方法
10．3．3 仿真實(shí)驗(yàn)與分析
10．4 互耦誤差條件下基于張量分解的MIMO雷達(dá)參數(shù)估計(jì)
10．4．1 基于張量分解的MIM0雷達(dá)參數(shù)聯(lián)合估計(jì)
10．4．2 仿真實(shí)驗(yàn)與分析
10．5 小結(jié)
參考文獻(xiàn)
第11章 L型陣列結(jié)構(gòu)MIMO雷達(dá)目標(biāo)參數(shù)估計(jì)
11．1 引言
11．2 信號建模
11．2．1 收發(fā)分置L型陣列MIMO雷達(dá)信號模型
11．2．2 收發(fā)共置L型陣列MIM0雷達(dá)信號模型
11．2．3 等效虛擬陣列
11．2．4 自由度和可分辨目標(biāo)數(shù)
11．2．5 Gramer-Rao界
11．3 收發(fā)分置L型陣列低復(fù)雜度DOA估計(jì)算法
11．3．1 基于MUSIC算法的低復(fù)雜度DOA估計(jì)算法
11．3．2 基ESPRIT算法的低復(fù)雜度DOA估計(jì)算法
11．4 收發(fā)共置L型陣列低復(fù)雜度DOA估計(jì)算法
11．4．1 降維預(yù)處理
11．4．2 基于MUSIC算法的低復(fù)雜度DOA估計(jì)算法
11．4．3 基于ESPRIT算法的低復(fù)雜度DOA估計(jì)算法
11．5 小結(jié)
參考文獻(xiàn)
主要符號表
縮略語