阵列信号参数估计算法与优化

"•内容全面系统，理论阐述精炼，既有传统的典型算法，也有当前热门的新理论与算法。 •将阵列信号处理中的参数估计算法与仿真紧密联系，不仅有算法的理论阐述，还有相应的算法性能理论分析或仿真实验，有助于对算法性能的理解与认识。 •以阵列信号参数估计领域的典型成果为基础，辅以丰富的参数估计算法实例，是作者近些年来的研究工作与科研实践的阶段总结。 •实现MUSIC和JAFE算法的优化与并行设计，理论联系实践，便于学习和认知。 "

阵列信号参数估计算法与优化是阵列信号处理中的一个重要研究方向，在通信、雷达、导航、声呐、地质勘测、射电天文和生物医学工程等众多领域中有极为广泛的应用前景。本书深入、系统地论述了阵列信号参数估计的理论、算法及优化方法，总结了作者多年来的研究成果以及国际上这一领域的研究进展。全书主要内容有阵列信号参数估计的发展与现状、阵列信号模型及理论基础、信号源数目估计、DOA估计算法、多参数联合估计算法、MUSIC算法优化与并行设计和JAFE算法优化与并行设计等。本书可供相关领域的广大技术人员学习与参考，也可作为高等院校和科研院所信号与信息处理、信息与通信系统等专业的研究生教材或参考书。

"刘福来，2005年获东北大学计算机软件与理论专业工学博士学位。2005—2007年东北大学博士后流动站，石家庄通信测控技术研究所博士后工作站，博士后。2007年到东北大学秦皇岛分校工作，2009—2011年东南大学博士流动站，博士后，2010年晋升为教授，2012年被东北大学遴选为博士研究生导师。教育部新世纪人才，河北省“三三三人才工程”第二层次人才，河北省优秀教师，河北省教学名师。 在东北大学秦皇岛分校，先后讲授“数字信号处理”“MATLAB与通信系统分析”和“高等工程数学”等多门本科生和研究生课程。出版《MATLAB与无线电信号处理分析》一书。 主要从事认知无线电及频谱大数据处理、电磁环境认知与控制利用、GNSS抗干扰技术、毫米波通信系统关键技术、压缩感知和深度学习及其应用等方向的科研和人才培养工作。主持国家自然科学基金、河北省自然科学基金等纵向科研项目10余项，已在IEEE Transactions on Antennas and Propagation、IEEE Transactions on Communications、Signal Processing、IEEE Transactions on Mobile Computing等国内外重点期刊与国际学术会议上发表学术论文50余篇，其中已被SCI、EI检索收录40余篇，申报或获批发明专利10余项。 "

第1章 绪论
1.1 引言
1.2 阵列信号参数估计的发展与现状
1.2.1 远场信源参数估计的发展与现状
1.2.2 近场信源参数估计的发展与现状
1.2.3 混合近远场信源参数估计的发展与现状
1.3 本书主要内容及章节安排
参考文献
第2章 阵列信号模型及理论基础
2.1 阵列信号模型
2.1.1 远场阵列信号模型
2.1.2 近场阵列信号模型
2.1.3 阵列信号处理的统计模型
2.2 矩阵论
2.2.1 矩阵分解理论
2.2.2 矩阵变换理论
2.2.3 特殊矩阵
2.2.4 Kronecker积
2.2.5 Hadamard积
2.3 压缩感知理论
2.3.1 基本原理
2.3.2 核心问题
2.4 本章小结
参考文献
第3章 信号源数目估计
3.1 基于特征值的方法
3.1.1 信息论方法
3.1.2 平滑秩方法
3.1.3 盖氏圆法
3.1.4 正则相关技术
3.2 基于特征向量的方法
3.2.1 基于矩阵分解的方法
3.2.2 基于旋转不变技术的方法
3.3 本章小结
参考文献
第4章 DOA估计算法
4.1 空间差分方法
4.1.1 数据模型
4.1.2 算法描述
4.1.3 仿真实验及分析
4.2 TPULA-DOA算法
4.2.1 数据模型
4.2.2 算法描述
4.2.3 仿真实验及分析
4.3 DOA矩阵方法
4.3.1 数据模型
4.3.2 算法描述
4.3.3 仿真实验及分析
4.4 时空DOA矩阵方法
4.4.1 数据模型
4.4.2 算法描述
4.4.3 性能分析
4.4.4 仿真实验及分析
4.5 基于压缩感知的DOA估计算法
4.5.1 数据模型
4.5.2 W-L1-SRACV算法
4.5.3 W-L1-SVD算法
4.6 LP-W-L∞-SVD算法
4.6.1 数据模型
4.6.2 算法描述
4.6.3 仿真实验及分析
4.7 基于阵列结构优化的DOA估计算法
4.7.1 WSS-L1-SRACV算法
4.7.2 SS-L1-WACVSR算法
4.8 本章小结
参考文献
第5章 多参数联合估计算法
5.1 DOA和时延估计的JADE算法
5.1.1 数据模型
5.1.2 联合DOA和时延估计问题
5.1.3 时空矩阵分解理论与算法
5.1.4 时空传播因子算法
5.2 DOA和时延估计的ESPRIT-TDF算法
5.2.1 数据模型
5.2.2 ESPRIT-TDF算法
5.2.3 仿真实验及分析
5.3 DOA和频率估计的COMFAC算法
5.3.1 数据模型
5.3.2 三线性分解与可辨识性
5.3.3 DOA和频率联合估计算法
5.3.4 仿真实验及分析
5.4 DOA和频率估计的JAFE算法
5.4.1 数学模型
5.4.2 JAFE算法原理
5.5 基于子空间的DOA和距离联合估计算法
5.5.1 数据模型
5.5.2 DOA和距离联合估计
5.5.3 仿真实验及分析
5.6 基于二阶统计量的距离、角度和频率的联合估计算法
5.6.1 数据模型
5.6.2 距离、角度和频率联合估计
5.6.3 仿真实验及分析
5.7 基于四阶累积量的距离、角度和频率的联合估计算法
5.7.1 数据模型
5.7.2 JRDF算法原理
5.7.3 性能分析
5.7.4 仿真实验及分析
5.8 本章小结
参考文献
第6章 MUSIC算法优化与并行设计
6.1 C-MUSIC算法的优化理论
6.1.1 优化方法
6.1.2 计算量分析
6.2 Unitary-MUSIC算法的优化理论
6.2.1 优化方法
6.2.2 仿真实验及分析
6.3 Unitary-MUSIC算法的并行化分析与设计
6.3.1 Unitary-MUSIC算法快速处理可行性分析
6.3.2 算法分析
6.3.3 矩阵乘法并行算法设计
6.3.4 实对称矩阵特征值分解的并行设计
6.3.5 谱计算与谱峰搜索的并行设计
6.3.6 基于Lyrtech模型机的实现
6.4 C-MUSIC算法的并行化分析与设计
6.4.1 协方差矩阵的并行化设计
6.4.2 特征值分解的并行化设计
6.4.3 谱计算与谱峰搜索的并行设计
6.4.4 基于Lyrtech模型机的实现
6.5 本章小结
参考文献
第7章 JAFE算法优化与并行设计
7.1 Unitary-JAFE算法
7.1.1 阵列流形
7.1.2 时域平滑
7.1.3 空域平滑
7.1.4 算法原理
7.1.5 仿真实验及分析
7.2 Unitary-JAFE算法的并行化设计
7.2.1 矩阵乘法的并行算法设计
7.2.2 求逆算法及并行设计
7.2.3 非对称复矩阵的特征值求解方法与算法设计
7.3 基于Lyrtech模型机的实现
7.3.1 DSP1中的模型设计
7.3.2 DSP2中的模型设计
7.3.3 DSP3中的模型设计
7.3.4 DSP4中的模型设计
7.3.5 FPGA中的模型设计
7.3.6 实验及分析
7.4 Lyrtech模型机性能评价
7.4.1 DSP的特点
7.4.2 网络结构
7.4.3 软件开发环境
7.5 本章小结
参考文献