目录
第1章绪论
1．1概述
1．2非均匀阵列设计研究现状
1．3基于模型驱动的参数估计
研究现状
1．3．1网格失配情况
1．3．2阵列互耦情况
1．3．3多径传播情况
1．3．4混合信号情况
1．4基于数据驱动的参数估计
研究现状
第2章基于深度展开网络的非均匀
阵列信号参数估计框架
2．1引言
2．2非均匀阵列信号参数估计
数学模型
2．2．1非均匀阵列结构
2．2．2信号参数估计数学
模型
2．3深度展开网络理论框架
2．3．1协方差向量的稀疏
表示
2．3．2空间谱稀疏重构
2．3．3深度展开网络
构建
2．3．4深度展开网络
训练
2．3．5数据后处理
2．4本章小结
第3章远场信号的离网格角度估计
方法
3．1引言
3．2实数域离网格角度估计数学
模型
3．2．1超完备词典的一阶
导数
3．2．2实数域的协方差
向量
3．3基于深度展开FOCUSS网络的
离网格角度估计方法
3．3．1网格上空间谱
估计
3．3．2离网格量化误差
估计
3．4基于深度展开ADMM网络的
离网格角度估计方法
3．4．1网格上空间谱
估计
3．4．2离网格量化误差
估计
3．5仿真实验与分析
3．5．1收敛性能分析
3．5．2泛化能力分析
3．5．3 计算复杂度分析
3．5．4估计精度分析
3．6实测数据验证
3．6．1MIMO雷达接收数据
的离网格角度估计
结果
3．6．2超表面接收数据的离网
格角度估计结果
3．7本章小结
第4章远场信号的无网格角度估计
方法
4．1引言
4．2基于深度展开ADMM网络的
无网格角度估计方法
4．2．1广义RootMUSIC
方法
4．2．2无网格角度估计
4．3基于深度展开AP网络的无
网格角度估计方法
4．3．1协方差矩阵降维
方法
4．3．2无网格角度估计
4．4仿真实验与分析
4．4．1收敛性能分析
4．4．2泛化能力分析
4．4．3计算复杂度分析
4．4．4估计精度分析
4．5实测数据验证
4．5．1MIMO雷达接收数据
的无网格角度估计
结果
4．5．2超表面接收数据的无网
格角度估计结果
4．6本章小结
第5章非理想情况下的远场信号参数
估计方法
5．1引言
5．2阵列互耦情况下的参数估计
方法
5．2．1阵列互耦数学
模型
5．2．2基于深度展开SBL网络
的参数估计方法
5．2．3仿真实验与分析
5．3多径传播情况下的参数估计
方法
5．3．1相干信号数学
模型
5．3．2基于深度展开FOCUSS
网络的参数估计
方法
5．3．3基于深度展开IAA
网络的参数估计
方法
5．3．4仿真实验与分析
5．3．5实测数据验证
5．4本章小结
第6章远场和近场混合信号参数估计
方法
6．1引言
6．2混合信号数学模型
6．3基于卷积神经网络的混合信号
参数估计方法
6．3．1混合信号相位差
计算
6．3．2混合信号角度估计卷积
神经网络
6．3．3混合信号识别自编
码器
6．3．4近场信号距离估计
卷积神经网络
6．3．5仿真实验与分析
6．4基于深度展开FISTA网络的
混合信号参数估计
方法
6．4．1近场信号差分向量
计算
6．4．2近场信号深度展开
FISTA网络
6．4．3远场信号协方差向量
计算
6．4．4远场信号深度展开
FISTA网络
6．4．5仿真实验与分析
6．5本章小结
参考文献
附录A网格上超完备词典一阶导数的
实部和虚部计算方法
附录BMIMO雷达匹配滤波的数学
模型
附录C超表面接收数据的数学
模型
