符號(hào)說明
第1章 緒論
1.1 研究背景
1.2 陣列信號(hào)處理的發(fā)展史及現(xiàn)狀
1.2.1 波束形成技術(shù)
1.2.2 空間譜估計(jì)方法
1.2.3 陣列多參數(shù)估計(jì)
1.3 本書的安排
參考文獻(xiàn)

第2章 陣列信號(hào)處理基礎(chǔ)
2.1 矩陣代數(shù)的相關(guān)知識(shí)
2.1.1 特征值與特征向量
2.1.2 廣義特征值與廣義特征向量
2.1.3 矩陣的奇異值分解
2.1.4 Toeplitz矩陣
2.1.5 Hankel矩陣
2.1.6 Vandermonde矩陣
2.1.7 Hermitian矩陣
2.1.8 Kronecker積
2.1.9 Khatri-Rao積
2.2 信號(hào)模型
2.2.1 窄帶信號(hào)
2.2.2 相關(guān)系數(shù)
2.2.3 噪聲模型
2.3 陣列天線的統(tǒng)計(jì)模型
2.3.1 前提及假設(shè)
2.3.2 陣列的基本概念
2.3.3 天線陣模型
2.3.4 陣列的方向圖
2.3.5 波束寬度
2.3.6 分辨力
2.4 陣列響應(yīng)矢量／矩陣
2.5 陣列協(xié)方差矩陣的特征分解
2.6 信源數(shù)估計(jì)算法
2.6.1 特征值分解方法
2.6.2 信息論方法
2.6.3 平滑秩序列法
2.6.4 蓋氏圓方法
2.6.5 正則相關(guān)技術(shù)
參考文獻(xiàn)

第3章 波束形成算法
3.1 波束形成定義
3.2 常用的波束形成算法
3.2.1 波束形成原理
3.2.2 波束形成的最佳權(quán)矢量
3.2.3 波束形成的準(zhǔn)則
3.2.4 仿真與分析
3.3 自適應(yīng)波束形成算法
3.3.1 引言
3.3.2 自適應(yīng)波束形成的最佳權(quán)矢量
3.3.3 權(quán)矢量更新的自適應(yīng)算法
3.4 廣義旁瓣相消器（GSC）的波束形成算法及其改進(jìn)
3.4.1 “義旁瓣相消器算法”
3.4.2 GSC的改進(jìn)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 過載情況下的自適應(yīng)波束形成算法
3.6.1 信號(hào)模型
3.6.2 近似最小方差法波束形成器
3.6.3 陣列固有的協(xié)方差矩陣的求解
3.7 基于高階累積量的波束形成算法
3.7.1 陣列模型
3.7.2 利用高階累積量方法估計(jì)期望信號(hào)的方向矢量
3.7.3 基于高階累積量的盲波束形成
3.8 基于周期平穩(wěn)性的波束形成算法
3.8.1 陣列模型與信號(hào)周期平穩(wěn)性
3.8.2 CAB類盲波束形成算法
3.9 基于恒模的盲波束形成算法
3.9.1 信號(hào)模型
3.9.2 隨機(jī)梯度恒模算法
3.9.3 最小二乘恒模算法（IS-CMA）
3.10 自適應(yīng)對角線加載的波束形成算法
3.10.1 引言
3.10.2 問題的提出
3.10.3 自適應(yīng)對角線加載波束形成算法
3.10.4 仿真及分析
3.11 變換域波束形成技術(shù)
3.11.1 引言
3.11.2 基于頻域的自適應(yīng)波束形成算法
3.11.3 小波域自適應(yīng)波束形成算法
3.12 魯棒的自適應(yīng)波束成形
3.12.1 對角加載方法
3.12.2 基于特征空間的方法
3.12.3 貝葉斯方法
3.12.4 基于最壞情況性能優(yōu)化的方法
3.12.5 基于概率約束的方法
參考文獻(xiàn)

第4章 DOA估計(jì)算法
4.1 DOA估計(jì)的發(fā)展
4.2 傳統(tǒng)的DOA估計(jì)方法
4.2.1 Capon算法
4.2.2 前向預(yù)測算法
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算法的推廣形式
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 確定性最大似然法
4.4.2 隨機(jī)性最大似然法
4.5 子空間擬合算法
4.5.1 信號(hào)子空間擬合（SSF）
4.5.2 噪聲子空間擬合（NSF）
4.5.3 子空間擬合算法性能
4.5.4 子空間擬合算法的實(shí)現(xiàn)
4.6 基于特征空間的DOA估計(jì)算法
4.6.1 信號(hào)模型
4.6.2 基于特征空間的DOA估計(jì)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算法理論性能
4.8 基于四階累積量的DOA估計(jì)
4.8.1 引言
4.8.2 四階累積量與二階統(tǒng)計(jì)量之間的關(guān)系
4.8.3 四階累積量的陣列擴(kuò)展特性
4.8.4 MUSIC-Like算法
4.8.5 Virtual-ESPRIT算法
4.9 傳播算子DOA估計(jì)算法
參考文獻(xiàn)

第5章 相干信源DOA估計(jì)
5.1 相干信源DOA估計(jì)的發(fā)展
5.2 空間平滑算法
5.3 改進(jìn)的MUSIC算法（IMUSIC）
5.4 基于Toeplitz矩陣重構(gòu)的ESPRIT-Like算法
5.5 任意陣列下的相干信號(hào)DOA估計(jì)
參考文獻(xiàn)

第6章 二維DOA估計(jì)
6.1 引言
6.2 L型陣列下盲二維波達(dá)方向估計(jì)
6.2.1 數(shù)據(jù)模型
6.2.2 基于移不變性的改進(jìn)的二維波達(dá)方向估計(jì)
6.3 面陣中二維DOA估計(jì)算法
6.3.1 接收信號(hào)模型
……

第7章 寬帶陣列信號(hào)處理
第8章 陣列多參數(shù)估計(jì)
第9章 四元數(shù)理論在陣列信號(hào)處理中的應(yīng)用
第10章 MIMO雷達(dá)的角度估計(jì)
第11章 聲矢量傳感器陣列的DOA估計(jì)
第12章 極化敏感陣列信號(hào)處理
附錄
縮略詞