文摘
英文文摘
英文缩略语表
第一章 绪论
1.1 研究背景及其意义
1.2 自适应波束形成的发展及研究现状
1.3 本文的主要工作及内容安排
第二章 阵列信号处理的方法
2.1 阵列信号处理模型
2.2 自适应控制算法的性能量度
2.2.1 均方误差(MSE)性能量度
2.2.2 信噪比(SNR)性能量度
2.2.3 最大似然(ML)性能量度
2.2.4 最小噪声方差(NV)性能量度
2.2.5 最优解的因式分解
2.3 自适应波束形成算法
2.3.1 最小方差无畸变响应(MVDR)算法
2.3.2 采样协方差矩阵求逆(SMI)算法
2.3.3 直接矩阵求逆(DMI)算法
2.3.4 最小均方(LMS)算法
2.3.5 递推最小二乘(RLS)算法
2.3.6 恒模(CMA)算法
2.3.7 神经网络方法
2.4 鲁棒波束形成器的设计方法
2.4.1 影响算法鲁棒性的因素
2.4.2 鲁棒波束形成器的设计算法
2.5 本章小结
第三章 适用于信号波达方向不确定情况下的鲁棒波束形成算法
3.1 基于Bayesian方法的鲁棒恒模算法
3.1.1 约束恒模自适应波束形成算法
3.1.2 算法的鲁棒性改进
3.1.3 仿真实验结果
3.2 基于Bayesian方法的鲁棒波束形成算法
3.2.1 传统算法描述
3.2.2 鲁棒波束形成算法
3.2.3 仿真实验结果
3.3 基于Bayesian方法的鲁棒约束LMS波束形成算法
3.3.1 传统约束LMS算法
3.3.2 鲁棒约束LMS算法
3.3.3 收敛性能分析
3.3.4 仿真实验结果
3.4 本章小结
第四章 在最差信号环境下的鲁棒自适应波束形成算法
4.1 鲁棒约束恒模自适应波束形成算法
4.1.1 信号模型
4.1.2 线性约束恒模算法
4.1.3 鲁棒约束恒模自适应波束形成算法
4.1.4 收敛性能分析
4.1.5 仿真实验结果
4.2 基于最陡下降准则的鲁棒LMS波束形成算法
4.2.1 基于最差性能的鲁棒算法
4.2.2 性能分析
4.2.3 仿真实验结果
4.3 基于神经网络的鲁棒自适应波束形成算法
4.3.1 鲁棒自适应波束形成算法
4.3.2 波束形成的RBFNN实现
4.3.3 仿真实验结果
4.4 本章小结
第五章 基于可变对角载入的鲁棒自适应波束形成算法
5.1 基于对角载入的鲁棒波束形成算法
5.1.1 传统算法描述
5.1.2 鲁棒波束形成算法
5.1.3 仿真实验结果
5.2 基于可变对角载入的鲁棒LMS自适应波束形成算法
5.2.1 鲁棒波束形成算法及对角载入值的计算
5.2.2 性能分析
5.2.3 仿真实验结果
5.3 本章小结
第六章 存在阵列指向性偏差的鲁棒自适应波束形成算法
6.1 二次型约束波束形成优化算法
6.2 递推波束形成算法
6.3 性能分析
6.4 仿真实验结果
6.5 本章小结
第七章 结论
参考文献
致谢
攻读博士学位期间论文及获奖情况
个人简历