新書推薦：
《
天人之际：考古美术视野中的山水
》
售價：HK$
201.6
《
毛线球48：致敬经典的冬日编织
》
售價：HK$
82.8
《
大吴泥塑
》
售價：HK$
81.6
《
写给每个人的哲学书：雅斯贝尔斯的14堂哲学思维课
》
售價：HK$
59.9
《
人文精神与未来世界 （论世衡史：“人文精神”所指为何？在中西方各有怎样的历史？在与科技的对垒与融合中何去何从？） （人类文明的演化已经来到一个巨大转折点，人类今后将走向何方已经是迫在眉睫的问题了。）
》
售價：HK$
93.6
《
BOSTON儿童骨科重建手术学 国际经典骨科学译著（精装）
》
售價：HK$
429.6
《
敦煌写本斋文所见敦煌民众的精神世界与日常生活
》
售價：HK$
237.6
《
优雅的钩针编织.超实用毛衫和小物
》
售價：HK$
58.8
|
| 內容簡介： |
|
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。
|
| 關於作者： |
|
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。
|
| 目錄：
|
|
第1章 绪论11.1 研究背景11.2 阵列信号处理的发展11.2.1 波束形成技术21.2.2 空间谱估计方法41.2.3 稀疏阵列信号处理81.3 本书的安排9参考文献10第2章 阵列信号处理基础172.1 矩阵代数的相关知识172.1.1 特征值与特征向量172.1.2 广义特征值与广义特征向量172.1.3 矩阵的奇异值分解172.1.4 Toeplitz矩阵182.1.5 Hankel矩阵182.1.6 Vandermonde矩阵192.1.7 Hermitian矩阵192.1.8 Kronecker积192.1.9 Khatri-Rao积202.1.10 Hadamard积212.1.11 向量化212.2 高阶统计量222.2.1 高阶累积量、高阶矩和高阶谱222.2.2 累积量性质242.2.3 高斯随机过程的高阶累积量242.2.4 随机场的累积量与多谱252.3 四元数理论272.3.1 四元数272.3.2 Hamilton四元数矩阵282.3.3 Hamilton四元数矩阵的奇异值分解292.3.4 Hamilton四元数矩阵的右特征值分解302.4 PARAFAC理论322.4.1 PARAFAC模型322.4.2 可辨识性322.4.3 PARAFAC分解342.5 信源和噪声模型362.5.1 窄带信号362.5.2 相关系数362.5.3 噪声模型362.6 阵列天线的统计模型372.6.1 前提及假设372.6.2 阵列的基本概念372.6.3 天线阵列模型382.6.4 阵列的方向图402.6.5 波束宽度412.6.6 分辨率422.7 阵列响应向量/矩阵422.8 阵列协方差矩阵的特征值分解462.9 信源数估计492.9.1 特征值分解方法492.9.2 信息论方法492.9.3 其他信源数估计方法51参考文献51第3章 波束形成533.1 波束形成定义533.2 常用的波束形成算法543.2.1 波束形成原理543.2.2 波束形成的最优权向量553.2.3 波束形成的准则583.3 自适应波束形成算法593.3.1 自适应波束形成的最优权向量603.3.2 权向量更新的自适应算法623.3.3 基于变换域的自适应波束形成算法633.4 基于GSC的波束形成算法653.5 基于投影分析的波束形成算法663.5.1 基于投影的波束形成算法663.5.2 基于斜投影的波束形成算法673.6 过载情况下的自适应波束形成算法693.6.1 信号模型693.6.2 近似最小方差波束形成算法703.7 基于高阶累积量的波束形成算法723.7.1 阵列模型723.7.2 利用高阶累积量方法估计期望信号的方向向量733.7.3 基于高阶累积量的盲波束形成733.8 基于周期平稳性的波束形成算法743.8.1 阵列模型与信号周期平稳性743.8.2 CAB类盲自适应波束形成算法753.9 基于恒模的盲波束形成算法773.9.1 信号模型773.9.2 随机梯度恒模算法783.10 稳健的自适应波束形成算法793.10.1 对角线加载方法803.10.2 基于特征空间的方法803.10.3 贝叶斯方法813.10.4 基于最坏情况性能优化的方法823.10.5 基于概率约束的方法833.11 本章小结83参考文献84第4章 DOA估计874.1 引言874.2 Capon算法和性能分析884.2.1 数据模型884.2.2 Capon算法884.2.3 改进的Capon算法894.2.4 Capon算法的MSE分析904.3 MUSIC算法及其修正算法934.3.1 MUSIC算法934.3.2 MUSIC算法的推广形式944.3.3 MUSIC算法性能分析964.3.4 Root-MUSIC算法994.3.5 Root-MUSIC算法性能分析1004.4 最大似然法1014.4.1 确定性最大似然法1014.4.2 随机性最大似然法1034.5 子空间拟合算法1044.5.1 信号子空间拟合1044.5.2 噪声子空间拟合1064.5.3 子空间拟合算法性能1064.6 ESPRIT算法及其修正算法1084.6.1 ESPRIT算法的基本模型1094.6.2 LS-ESPRIT算法1114.6.3 TLS-ESPRIT算法1134.6.4 ESPRIT算法理论性能1144.7 四阶累积量方法1164.7.1 四阶累积量与二阶统计量之间的关系1174.7.2 四阶累积量的阵列扩展特性1184.7.3 MUSIC-like算法1194.7.4 virtual-ESPRIT算法1204.8 传播算子1224.8.1 谱峰搜索传播算子1224.8.2 旋转不变传播算子1284.9 广义ESPRIT算法1304.9.1 阵列模型1314.9.2 谱峰搜索广义ESPRIT算法1324.9.3 无须进行谱峰搜索的广义ESPRIT算法1334.10 压缩感知方法1344.10.1 压缩感知基本原理1344.10.2 正交匹配追踪1384.10.3 稀疏贝叶斯学习1404.11 DFT类方法1414.11.1 数据模型1424.11.2 基于DFT的低复杂度DOA估计算法1424.11.3 算法分析和改进1444.11.4 仿真实验1484.12 相干信源DOA估计算法1494.12.1 引言1494.12.2 空间平滑算法1514.12.3 改进的MUSIC算法1524.12.4 基于Toeplitz矩阵重构的相干信源DOA估计算法1534.13 本章小结155参考文献155第5章 二维DOA估计1605.1 引言1605.2 均匀面阵中基于旋转不变性的二维DOA估计算法1615.2.1 数据模型1615.2.2 基于ESPRIT的二维DOA估计算法1635.2.3 基于传播算子的二维DOA估计算法1665.3 均匀面阵中基于MUSIC类的二维DOA估计算法1735.3.1 数据模型1735.3.2 二维MUSIC算法1735.3.3 降维MUSIC算法1745.3.4 级联MUSIC算法1805.4 均匀面阵中基于PARAFAC分解的二维DOA估计算法1825.4.1 数据模型1835.4.2 PARAFAC分解1845.4.3 可辨识性分析1855.4.4 二维DOA估计过程1865.4.5 算法复杂度和优点1875.4.6 仿真结果1885.5 均匀面阵中基于压缩感知PARAFAC模型的二维DOA估计算法1885.5.1 数据模型1885.5.2 PARAFAC模型压缩1895.5.3 PARAFAC分解1895.5.4 可辨识性分析1905.5.5 基于稀疏恢复的二维DOA估计1915.5.6 算法复杂度和优点1925.5.7 仿真结果1935.6 双平行线阵中二维DOA估计算法：DOA矩阵法和扩展DOA矩阵法1935.6.1 阵列结构及信号模型1945.6.2 DOA矩阵法1945.6.3 扩展DOA矩阵法1965.6.4 性能分析与仿真1985.7 均匀圆阵中二维DOA估计算法2005.7.1 数据模型2005.7.2 波束空间转换2005.7.3 UCA-RB-MUSIC算法2015.7.4 UCA-Root-MUSIC算法2025.7.5 UCA-ESPRIT算法2025.8 本章小结203参考文献204第6章 宽带阵列信号处理2076.1 引言2076.2 宽带阵列信号模型2086.2.1 宽带信号的概念2086.2.2 阵列信号模型2096.3 宽带信号的DOA估计2106.3.1 非相干信号子空间方法2106.3.2 相干信号子空间方法2116.3.3 聚焦矩阵的构造方法2126.4 稳健的麦克风阵列近场宽带波束形成2156.4.1 概述2156.4.2 基于凸优化的稳健近场宽带波束形成2196.4.3 稳健近场自适应波束形成2296.5 本章小结237参考文献237第7章 分布式信源空间谱估计2407.1 引言2407.2 基于ESPRIT的分布式信源空间谱估计算法2427.2.1 数据模型2427.2.2 算法描述2447.2.3 性能分析2477.2.4 仿真结果2487.3 基于DSPE的分布式信源空间谱估计算法2497.3.1 数据模型2497.3.2 算法描述2497.4 基于级联DSPE的分布式信源空间谱估计算法2507.4.1 数据模型2507.4.2 算法描述2507.4.3 性能分析2527.4.4 仿真结果2537.5 基于广义ESPRIT的分布式信源空间谱估计算法2557.5.1 数据模型2557.5.2 算法描述2567.5.3 多项式求根方法2607.5.4 性能分析2627.5.5 仿真结果2667.6 基于快速PARAFAC的分布式信源空间谱估计算法2687.6.1 数据模型2687.6.2 算法描述2707.6.3 性能分析2747.6.4 仿真结果2757.7 本章小结276参考文献277第8章 阵列近场信源定位2808.1 引言2808.1.1 研究背景2808.1.2 研究现状2818.2 基于二阶统计量的近场信源定位算法2828.2.1 数据模型2828.2.2 算法描述2828.2.3 性能分析2848.2.4 仿真结果2848.3 基于二维MUSIC的近场信源定位算法2858.3.1 数据模型2858.3.2 算法描述2868.3.3 仿真结果2878.4 基于降秩MUSIC的近场信源定位算法2878.4.1 数据模型2888.4.2 算法描述2888.4.3 性能分析2908.4.4 仿真结果2908.5 基于降维MUSIC的近场信源定位算法2918.5.1 数据模型2918.5.2 算法描述2918.5.3 性能分析2958.5.4 仿真结果2968.6 本章小结296参考文献297第9章 互质阵列信号处理2989.1 引言2989.2 互质线阵结构与信号模型及两种DOA估计算法2999.2.1 互质线阵结构与信号模型2999.2.2 基于互质子阵分解思想的DOA估计算法3009.2.3 基于虚拟阵元扩展思想的DOA估计算法3039.3 基于孔洞填充思想的嵌型子阵互质阵列3079.3.1 互耦条件下的接收信号模型3079.3.2 孔洞填充方案及嵌型子阵互质阵列3099.3.3 仿真结果3169.4 基于嵌套思想的均匀tCADiS差联合阵列3189.4.1 均匀差联合阵9
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
