登入帳戶  | 訂單查詢  | 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
會員登入 新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類瀏覽雜誌 臺灣用戶
品種:超過100萬種各類書籍/音像和精品,正品正價,放心網購,悭钱省心 服務:香港台灣澳門海外 送貨:速遞郵局服務站

新書上架簡體書 繁體書
暢銷書架簡體書 繁體書
好書推介簡體書 繁體書

十月出版:大陸書 台灣書
九月出版:大陸書 台灣書
八月出版:大陸書 台灣書
七月出版:大陸書 台灣書
六月出版:大陸書 台灣書
五月出版:大陸書 台灣書
四月出版:大陸書 台灣書
三月出版:大陸書 台灣書
二月出版:大陸書 台灣書
一月出版:大陸書 台灣書
12月出版:大陸書 台灣書
11月出版:大陸書 台灣書
十月出版:大陸書 台灣書
九月出版:大陸書 台灣書
八月出版:大陸書 台灣書

『簡體書』传感器阵列信源定位

書城自編碼: 3314505
分類:簡體書→大陸圖書→工業技術電子/通信
作者: 张小飞
國際書號(ISBN): 9787121355400
出版社: 电子工业出版社
出版日期: 2019-01-01


書度/開本: 16开 釘裝: 纸面精装

售價:HK$ 132.3

我要買

 

** 我創建的書架 **
未登入.


新書推薦:
安全感是内心长出的盔甲
《 安全感是内心长出的盔甲 》

售價:HK$ 67.0
快人一步:系统性能提高之道
《 快人一步:系统性能提高之道 》

售價:HK$ 110.9
我们为什么会做梦:让梦不再神秘的新科学
《 我们为什么会做梦:让梦不再神秘的新科学 》

售價:HK$ 77.3
算法图解(第2版)
《 算法图解(第2版) 》

售價:HK$ 78.2
科学的奇幻之旅
《 科学的奇幻之旅 》

售價:HK$ 77.3
画艺循谱:晚明的画谱与消闲
《 画艺循谱:晚明的画谱与消闲 》

售價:HK$ 143.4
新民说·现实政治史:从马基雅维利到基辛格
《 新民说·现实政治史:从马基雅维利到基辛格 》

售價:HK$ 99.7
宽容是件奢侈品(人生360度·一分钟经典故事)
《 宽容是件奢侈品(人生360度·一分钟经典故事) 》

售價:HK$ 44.6

 

建議一齊購買:

+

HK$ 129.1
《绿色移动设备和网络:能量优化和收集技术》
+

HK$ 231.4
《MIMO雷达目标定位》
+

HK$ 124.0
《数字图像处理与移动机器人路径规划》
+

HK$ 64.5
《数字图像处理与图像信息》
編輯推薦:
① 结构完整。近年来,国内外虽然己经出版了多本涉及空间谱估计内容的优秀著作,但各有侧重。本书不仅包括空间谱估计,还覆盖非圆信号信源定位、分布式信源定位和近场信源定位等前沿技术。
② 内容选材广。传感器阵列信源定位理论丰富、应用广泛,为了写好此书,著者收集了大量国内外文献资料,并做了精心组织,以期尽可能反映出这一学科中的精华内容。本书对传感器阵列信源定位的传统方法做了详细介绍,同时对一些新方法,如平行因子方法、压缩感知等进行了研究。文中详细列出40多种信源定位算法。
③ 可读性强。对于许多读者来说,传感器阵列信源定位所涉及的内容难学、难懂、难理解,尤其是专业论文不易读懂。本书注意到了这一问题,尽量在表述时做到由浅入深,特别注重表达的清晰性、易懂性和可读性。需要说明的是,为了方便读者查找,各章涉及的算法、定理、推论等均按照其所在节编号,并未全章统一编号。比如,算法3.2对应的节为3.2节。
內容簡介:
传感器阵列信源定位是定位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,传感器阵列信源定位具有高信号增益、极强的干扰抑制能力,以及更高的空间分辨能力等优点,具有重要的军事、民事应用价值和前景。具体来说,传感器阵列信源定位已在雷达、声呐、通信、地震勘探、射电天文,以及医学诊断等多种国民经济、科学研究和国防军事领域得到应用。本书分为8章,主要内容包括传感器阵列基础、一维空间谱估计、二维空间谱估计、传感器阵列中非圆信号的空间谱估计、传感器阵列DOA跟踪、传感器阵列分布式信源定位、传感器阵列近场信源定位。本书的读者对象为通信与信息系统、信号和信息处理、微波和电磁场、水声等专业的高年级本科生和研究生,以及相关领域的研究人员。
關於作者:
【张小飞】南京航空航天大学教授,博士生导师,中国通信学会青年委员会委员、中国电子学会教育工作委员会青年组委员,以及通信工程研究所常务副所长,主要研究方向为辐射源定位和阵列信号处理。主持国家自然科学基金2项,其他项目20余项。获通信学会自然科学一等奖1项、国防科学技术进步三等奖2项。
目錄
第1章绪论1
1.1研究背景1
1.2传感器阵列信源定位发展及现状1
1.2.1空间谱估计方法2
1.2.2阵列多维参数估计4
1.3本书的安排7
参考文献8
第2章传感器阵列基础13
2.1矩阵代数的相关知识13
2.1.1特征值与特征向量13
2.1.2广义特征值与广义特征向量13
2.1.3矩阵的奇异值分解13
2.1.4Toeplitz矩阵14
2.1.5Hankel矩阵14
2.1.6Vandermonde矩阵15
2.1.7Hermitian矩阵15
2.1.8Kronecker积15
2.1.9Khatri-Rao积16
2.1.10Hadamard积17
2.1.11向量化17
2.2信源和噪声模型18
2.2.1窄带信号18
2.2.2相关系数18
2.2.3噪声模型19
2.3阵列天线的统计模型19
2.3.1前提及假设19
2.3.2阵列的基本概念19
2.3.3天线阵列模型21
2.3.4阵列的方向图22
2.3.5波束宽度23
2.3.6分辨率24
2.4阵列响应矢量矩阵25
2.5阵列协方差矩阵的特征值分解29
2.6信源数估计方法31
2.6.1特征值分解方法32
2.6.2信息论方法32
2.6.3其他信源数估计方法33
参考文献34
第3章一维空间谱估计36
3.1引言36
3.2Capon算法和性能分析37
3.2.1数据模型37
3.2.2Capon算法37
3.2.3改进的Capon算法38
3.2.4Capon算法的均方误差分析39
3.3MUSIC算法及其修正算法42
3.3.1MUSIC算法42
3.3.2MUSIC算法的推广形式43
3.3.3MUSIC算法的性能分析45
3.3.4求根MUSIC算法48
3.4最大似然法50
3.4.1确定性最大似然法51
3.4.2随机性最大似然法52
3.5子空间拟合算法53
3.5.1信号子空间的拟合(SSF)54
3.5.2噪声子空间的拟合(NSF)55
3.5.3子空间拟合算法的性能分析56
3.5.4子空间拟合算法的实现58
3.6ESPRIT算法及其修正算法65
3.6.1ESPRIT算法65
3.6.2LS-ESPRIT算法68
3.6.3TLS-ESPRIT算法69
3.6.4ESPRIT算法的理论性能70
3.7基于四阶累积量的DOA估计73
3.7.1四阶累积量与二阶统计量之间的关系74
3.7.2四阶累积量的阵列扩展特性75
3.7.3MUSIC-like算法77
3.7.4virtual-ESPRIT算法77
3.8传播算子79
3.8.1谱峰搜索传播算子79
3.8.2旋转不变传播算子85
3.9基于广义ESPRIT算法的DOA估计87
3.9.1阵列模型87
3.9.2谱搜索广义ESPRIT方法88
3.9.3无须搜索的广义ESPRIT算法89
3.10基于压缩感知理论的DOA估计90
3.10.1压缩感知理论的基础知识90
3.10.2基于压缩感知理论的DOA估计算法95
3.11相干信源DOA估计95
3.11.1空间平滑算法97
3.11.2改进的MUSIC算法(IMUSIC)98
3.11.3基于Toeplitz矩阵重构的ESPRIT-like算法99
3.11.4任意阵列下的相干信号DOA估计101
3.12大规模均匀线阵下基于DFT技术的DOA估计算法104
3.12.1数据模型105
3.12.2基于DFT技术的低复杂度DOA估计算法105
3.12.3算法分析107
3.12.4仿真实验110
参考文献112
第4章二维空间谱估计118
4.1引言118
4.2均匀面阵中基于旋转不变性的二维DOA估计算法119
4.2.1数据模型119
4.2.2基于ESPRIT的二维DOA估计算法121
4.2.3基于PM的二维DOA估计算法127
4.3均匀面阵中基于MUSIC类的二维DOA估计算法137
4.3.12D-MUSIC算法137
4.3.2降维MUSIC算法139
4.3.3级联MUSIC算法148
4.4均匀面阵中基于三线性分解的二维DOA估计算法153
4.4.1数据模型153
4.4.2三线性分解154
4.4.3可辨识性分析155
4.4.4基于三线性分解的二维DOA估计156
4.4.5算法复杂度和优点158
4.4.6仿真结果158
4.5均匀面阵中基于压缩感知三线性模型的二维DOA估计算法162
4.5.1三线性模型压缩162
4.5.2三线性分解163
4.5.3可辨识性分析164
4.5.4基于稀疏恢复的二维DOA估计165
4.5.5算法复杂度和优点166
4.5.6仿真结果167
4.6双平行线阵中基于DOA矩阵方法的二维DOA估计算法170
4.6.1阵列结构和信号模型170
4.6.2DOA矩阵方法171
4.7圆阵中的二维DOA估计算法172
4.7.1数据模型172
4.7.2波束空间转换173
4.7.3UCA-RB-MUSIC算法174
4.7.4UCA-Root-MUSIC算法175
4.7.5UCA-ESPRIT算法175
4.8本章小结176
参考文献177
第5章传感器阵列中非圆信号的空间谱估计179
5.1引言179
5.2均匀线阵中基于NC-ESPRIT的非圆信号DOA估计算法180
5.2.1数据模型180
5.2.2NC-ESPRIT算法181
5.2.3算法复杂度和优点183
5.2.4克拉美?罗界183
5.2.5仿真结果187
5.3非均匀线阵中基于降维NC-Capon的非圆信号DOA估计算法189
5.3.1数据模型189
5.3.2数据扩展190
5.3.32D-NC-Capon算法191
5.3.4降维NC-Capon算法191
5.3.5性能分析193
5.3.6仿真结果195
5.4非均匀线阵中基于降维NC-MUSIC的非圆信号DOA估计算法199
5.4.12D-NC-MUSIC算法199
5.4.2降维NC-MUSIC算法200
5.4.3性能分析201
5.4.4仿真结果203
5.5线阵中基于NC-GESPRIT的非圆信号DOA估计算法206
5.5.1数据模型206
5.5.2频谱搜索NC-GESPRIT算法207
5.5.3求根NC-GESPRIT算法209
5.5.4算法优点209
5.5.5仿真结果210
5.6本章小结214
参考文献214
第6章传感器阵列DOA跟踪216
6.1引言216
6.2L型阵列中基于PAST的DOA跟踪算法217
6.2.1数据模型217
6.2.2PAST算法218
6.2.3复杂度和CRB222
6.2.4仿真结果226
6.3面阵中基于自适应PARAFAC的DOA跟踪算法227
6.3.1数据模型228
6.3.2PARAFAC-RLST算法229
6.3.3复杂度和CRB233
6.3.4仿真结果233
6.4线阵中基于Kalman滤波和OPASTd的DOA跟踪算法235
6.4.1数据模型235
6.4.2Kalman滤波和OPASTd算法236
6.4.3复杂度和CRB240
6.4.4仿真结果241
6.5本章小结243
参考文献243
第7章传感器阵列分布式信源定位245
7.1引言245
7.2线性阵列中基于ESPRIT的分布式信源定位算法248
7.2.1数据结构248
7.2.2基于ESPRIT的分布式信源定位算法250
7.2.3性能分析253
7.2.4仿真结果254
7.3线性阵列中基于DSPE的分布式信源定位算法257
7.4线性阵列中基于级联DSPE的分布式信源定位算法258
7.4.1基于级联DSPE的分布式信源定位算法258
7.4.2性能分析260
7.4.3仿真结果261
7.5线性阵列中基于广义ESPRIT的分布式信源定位算法268
7.5.1数据结构268
7.5.2基于广义ESPRIT的分布式信源定位算法269
7.5.3基于多项式求根的中心DOA估计方法273
7.5.4性能分析275
7.5.5仿真结果279
7.6平移不变阵列中基于快速PARAFAC的分布式信源定位算法283
7.6.1数据结构283
7.6.2基于快速PARAFAC的分布式信源定位算法285
7.6.3性能分析289
7.6.4仿真结果291
7.7本章小结295
参考文献295
第8章传感器阵列近场信源定位298
8.1引言298
8.1.1研究背景298
8.1.2研究现状299
8.2基于二阶统计量的近场信源目标定位算法300
8.2.1数据模型300
8.2.2算法描述302
8.2.3算法步骤304
8.2.4算法复杂度分析304
8.2.5算法优点305
8.2.6仿真结果306
8.32D-MUSIC算法308
8.3.1数据模型308
8.3.2算法描述309
8.3.3仿真结果310
8.4降秩MUSIC算法312
8.4.1算法描述312
8.4.2算法步骤314
8.4.3算法复杂度分析314
8.4.4算法优点315
8.4.5仿真结果315
8.5降维MUSIC算法318
8.5.1算法描述319
8.5.2算法步骤322
8.5.3算法复杂度分析322
8.5.4算法优点323
8.5.5仿真结果324
8.6本章小结327
参考文献327
內容試閱
众所周知,信号处理的基本原则是尽可能地利用、提取和恢复包含在信号特征中的有用信息。随着信息理论和技术的日益发展,能否在复杂的电磁环境中对信号参数进行有效检测和精确估计就显得尤为重要。信号处理技术最初是从一维时域信号处理中得到发展的。长期以来,人们在一维信号的检测和分析方面取得了许多重要的成果。进入20世纪60年代以来,研究人员开始将一维信号处理逐渐延伸到多维信号处理领域中,通过传感器阵列或天线阵列把时域采样变成时空采样,将时间频率扩展到空间频率(角度),从而将时域信号处理的许多理论成果推广到空域,开辟了传感器阵列信号处理这一新的研究领域。近年来,传感器阵列信号处理逐渐成为信号处理领域的一个重要分支。与采用传统的单个定向传感器相比,用传感器阵列接收空间信号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及更高的空间分辨能力等优点,因此传感器阵列信号处理技术具有重要的军事、民事应用价值和广阔的应用前景。具体来说,传感器阵列信号处理技术已在雷达、声呐、通信、地震勘探、射电天文及医学诊断等多种国民经济、科学研究和军事应用领域得到应用。
本书是关于传感器阵列信源定位的著作,以信源定位为研究对象,主要研究波达方向估计算法、二维空间谱估计、角度跟踪、非圆信号信源定位、分布式信源定位及近场信源定位等问题。
本书力图实现3个特色:
① 结构完整。近年来,国内外虽然己经出版了多本涉及空间谱估计内容的优秀著作,但各有侧重。本书不仅包括空间谱估计,还覆盖非圆信号信源定位、分布式信源定位和近场信源定位等前沿技术。
② 内容选材广。传感器阵列信源定位理论丰富、应用广泛,为了写好此书,著者收集了大量国内外文献资料,并做了精心组织,以期尽可能反映出这一学科中的精华内容。本书对传感器阵列信源定位的传统方法做了详细介绍,同时对一些新方法,如平行因子方法、压缩感知等进行了研究。文中详细列出40多种信源定位算法。
③ 可读性强。对于许多读者来说,传感器阵列信源定位所涉及的内容难学、难懂、难理解,尤其是专业论文不易读懂。本书注意到了这一问题,尽量在表述时做到由浅入深,特别注重表达的清晰性、易懂性和可读性。需要说明的是,为了方便读者查找,各章涉及的算法、定理、推论等均按照其所在节编号,并未全章统一编号。比如,算法3.2对应的节为3.2节。
本书被江苏省列为十三五重点教材项目(J081006)。著者从2017年开始动笔,至2018年完成,写作历时2年。本书在编写过程中,参考了大量的著作和论文,得到国家自然科学基金(61371169,61301108,61071164)和南京航空航天大学研究生院精品教材项目的支持,在此一并表示感谢。
本书由南京航空航天大学的张小飞教授、李建峰博士、徐大专教授编写。本书在编写过程中还得到了时娜、程骞琳、夏忠喜、杨东林、郑旺、张立岑、李书等硕士研究生和博士研究生的帮助。由于时间仓促,笔者水平有限,加上这一领域仍然处于迅速发展之中,书中不当之处在所难免,敬请读者批评指正。
张小飞
2018年8月

 

 

書城介紹  | 合作申請 | 索要書目  | 新手入門 | 聯絡方式  | 幫助中心 | 找書說明  | 送貨方式 | 付款方式 香港用户  | 台灣用户 | 大陸用户 | 海外用户
megBook.com.hk
Copyright © 2013 - 2024 (香港)大書城有限公司  All Rights Reserved.