一、基于信号子空间抽取的DOA估计（论文文献综述）
赵洋[1]（2021）在《复杂噪声背景下的稀疏测向方法研究》文中指出“如无必要,勿增实体”。这是着名的奥卡姆剃刀原理,是渗透于从古至今所有哲学、艺术与科学领域的基础思想。稀疏表示理论以及后来在其基础上发展而来的压缩感知理论正是该节省性原则在现代统计学、机器学习、信号处理领域的集中体现。阵列信号参数估计是雷达、声纳、通信等系统的原理性技术,其基本任务如测向、定位、跟踪与许多现存或即将到来的技术增长领域紧密联系,如无人机（Unmanned Aerial Vehicle,UAV）、无人驾驶、3D打印等。随着测向系统的不断改进和突破,各种低成本、小型化的新型雷达不断涌现,同时目标隐身以及干扰技术也在不断升级换代,阵列信号处理系统所面临的电磁环境日益复杂,传统的子空间类测向方法在小快拍、低信噪比、空域临近信号以及复杂背景噪声环境等非理想场景愈发无法胜任测向任务。最近二十年引起学者广泛关注的稀疏表示理论为解决参数估计问题提供了新思路,此类方法对一些非理想环境表现出极强的适应能力。本文从噪声抑制角度出发,着眼于稀疏重构与阵列信号处理过程中的区别和联系,考虑网格的存在对阵列参数估计的影响,研究了高斯白噪声、高斯有色噪声、alpha白噪声和alpha色噪声背景下的稀疏测向方法,并取得了一些有意义的成果。具体的研究工作可以概括如下:第一,针对贪婪算法处理测向问题时存在角度分辨能力有限的问题,提出了一种利用子空间信息的新算法（Noise Subspace Reprojection OMP,NSR OMP）。该算法在匹配追踪算法的架构下,有机融合了两个子空间的有效信息:使用信号子空间作为重构信号,减小了算法寻优的工作量的同时降低了噪声对支撑集选择的干扰;使用噪声子空间修正算法的支撑集选取规则,提高了算法的分辨力。仿真试验验证了所提方法继承了匹配追踪类算法小快拍性能好且运算量小的优点,同时极大改进了原始算法角度分辨力差的问题。第二,利用阵列输出协方差矩阵的对称Toeplitz特性,可以经由两次矩阵变换过程将DOA估计问题从复数域的多测量矢量（Muitiple Measurement Vector,MMV）问题转化为实数域的单测量矢量（Single Measurement Vector,SMV）问题。该过程在保证测向性能的前提下将ULA阵列的DOA估计问题简化。又从去冗余的角度定义了一种线性变换对阵列输出四阶累积量协方差矩阵进行降维,使其满足实值化条件,从而将上述方法推广到四阶累积量。第三,针对现有的基追踪（Basis Pursuit,BP）类测向方法计算量较大的问题,基于第二点中提出的二阶统计域和高阶统计域的实值向量化测向模型,我们分别提出了适用于高斯白噪声和高斯有色噪声背景下的BP测向方法。由于算法只需要解决低变量数的SMV问题,比现有的BP测向方法计算效率更高。算法无需进行特征值分解,节省计算量的同时对信源数是否被准确估计不敏感。又将处理实值化SMV问题的ISL0算法引入测向问题,该算法对正则化参数的设置准确度要求不高,可以有效解决基于四阶累积量的凸优化算法设置正则化参数困难的问题。第四,针对现有的离格测向方法计算量较大的问题,建立了DOA估计的实值化离格模型。采用第三点中提出的算法对DOA与网格误差进行交替迭代求取,分别提出了适用于高斯白噪声和高斯有色噪声背景下的离格测向方法,后者填补了现存离格测向方法无法处理高斯有色噪声的空白。与现有的同类算法相比,所提算法在一定程度上减小了运算时间,提高了离格类测向算法的实用性。通过计算机仿真验证了所提算法的有效性。第五,基于分数低阶统计量（Fractional Lower Order Statistics,FLOS）的子空间方法需要较大的快拍数、较高信噪比门限才能处理alpha噪声背景下的测向问题。针对该问题,我们分析了相位分数低阶矩（Phase Fractional Lower Order Moment,PFLOM）协方差矩阵满足范德蒙德分解定理的条件,将PFLOM与协方差匹配准则相结合,提出了两种适用于alpha白噪声背景下的无网格测向方法。仿真实验验证了所提方法与现有的同类算法相比可以在较低信噪比、较少快拍数的不利条件下有效解决强冲击性alpha白噪声背景下的稳定测向问题。第六,针对现存适用于alpha噪声的测向方法只能处理alpha白噪声的问题,本文将一种全新的统计量—分数阶累积量（Fractional Order Cumulant,FOC）引入测向问题,并简要分析了该统计量对alpha色噪声的抑制机理。借助该统计量对alpha色噪声的抑制作用,结合本文前面章节的内容提出了适用于alpha色噪声环境下的离格、无格稀疏测向方法,填补了现存测向方法无法妥善处理alpha色噪声的空白,并通过仿真实验验证了所提算法的有效性。
丁丹宇[2]（2021）在《基于TC-OFDM信号的相干DOA估计算法研究》文中研究表明信号的波达方向（Direction of Arrival,DOA）估计是阵列信号处理的重要研究内容之一。对阵列信号数据矩阵进行处理从而识别信号的波达方向,在雷达、声呐和天文等研究方面得到广泛应用。时分码分正交频分复用（Time&Code Division-Orthogonal Frequency Division Multiplexing,TC-OFDM）信号通过对通信信号资源的复用,可以实现高精度的室内外定位,有着广阔地应用前景。在实际环境中,由于干扰等原因,存在相干信号,经典DOA估计算法性能下降并且不适用于TC-OFDM宽带信号。为此,本文对基于TC-OFDM信号的相干DOA估计算法进行了理论研究,主要研究内容包括:（1）DOA估计算法建立在阵列信号模型的基础上,针对阵列信号,分别建立了窄带信号、相干信号和TC-OFDM信号的阵列信号模型。研究传统DOA估计算法,当存在相干信号时,该类算法无法识别其DOA值,需要进行解相干处理。本文提出了不变噪声子空间平滑算法（Invariant Property of Noise Subspace Smoothness,IPNSS）,对接收信号数据矩阵进行前后划分子阵列,计算其数据协方差矩阵的算法平均。通过添加虚拟信号源并对各个角度进行搜索,利用噪声子空间的不变特性构造算法空间谱,从而估计出相干信号的DOA。该算法对比经典相干DOA估计算法,空间谱峰值更加明显且在低信噪比条件下的算法稳定性较好。（2）基于TC-OFDM阵列信号模型,本文采用聚焦变换的方式从频域上将宽带TC-OFDM信号聚焦到同一频率点上。为了避免聚焦变换中信噪比的损失,提出满足其构造原则的聚焦变化矩阵模型。在此基础上获得聚焦变换后的数据协方差矩阵,使用不变噪声子空间平滑算法对其进行处理获得TC-OFDM信号的波达方向。本文分析了基于TC-OFDM信号的DOA估计算法识别多个角度的算法空间谱特征,通过多次实验测试了算法在不同的信噪比、天线数量和快拍数条件下的算法稳定度,该算法可以准确地识别TC-OFDM信号的DOA。（3）采用软件无线电平台对基于TC-OFDM信号的DOA估计算法进行了实现和验证,使用通用软件无线（Universal Software Radio Peripheral,USRP）和美国国家仪器有限公司（National Instruments,NI）的配套设备搭建。基于LabVIEW程序平台进行程序设计,对USRP设备之间进行相位补偿,实现DOA估计算法。实验数据验证了该DOA估计算法对不同方向信号的DOA估计性能。
何宁宇[3]（2021）在《汽车MIMO毫米波雷达技术应用研究》文中研究说明随着科技与技术的进步,汽车已经成为了人们工作生活中不可或缺的“日常用品”,2021年,我国的汽车保有量更将跃居世界第一,而每年由于交通事故造成的人员和财产损失更是急速增加。在此背景下,对于配备了高级驾驶辅助系统（Advanced Driving Assistance System,ADAS）的车辆,市场需求量也在逐年上升。而毫米波（Millimeter wave,MMW）雷达是ADAS系统和自动驾驶实现的关键技术,与其他传感器,如摄像头、红外探测和激光雷达相比,毫米波雷达具有抗恶劣天气和有限光照条件等低能见度环境情况的强大性能。论文针对汽车MIMO（Multiple Input Multiple Output）毫米波雷达的技术应用展开研究,探讨解决提升毫米波雷达角度测量性能的方法。针对如何提高雷达角度测量的精度与分辨率的问题,本文主要通过阵列设计优化以及对信号处理阶段的超分辨算法进行对比分析加以研究探讨。论文首先通过对雷达工作原理的探讨,引出MIMO体制下虚拟阵列与孔径扩展对于雷达测角性能起到的关键性作用,结合冗余度与非均匀线阵的概念,对MIMO雷达收发阵列进行优化。算法采用联合优化的方式,在给定孔径以及给定阵元个数的前提下,进行最小冗余MIMO线阵的求解,并通过测角结果和自适应干扰抑制的仿真结果,验证了阵列的优化效果。针对算法搜索只能采用穷举法的问题,本文采用优化的便捷算法流程,并通过Matlab仿真验证了该算法的正确性。在目标跟踪确认后,DOA（Direction-Of-Arrival）估计算法能进一步提高雷达的工作性能。本文介绍了多种目标角度测量的经典算法,针对其算法原理、适用条件以及测角性能进行了实验验证,并对各算法进行了仿真对比、对其测角效果进行了分析。FMCW（frequency modulated continuous wave）雷达是汽车毫米波雷达实用领域的重要组成部分,文章通过分析其在角度测量时遇到的由于阵列扩展而导致的虚假目标产生的问题,首先提出了一种虚假目标剔除算法,并通过仿真验证了其有效性,然后针对传统测角算法分辨率不足的问题,提出了一种基于目标与雷达相对运动的超分辨DOA算法,证明其仅在四根接收天线的条件下可以达到0.2°的高分辨率,最后通过实地场景测量,验证了算法的有效性。
谭梦瑶[4]（2021）在《汽车毫米波雷达阵列非理想情况下DOA算法研究》文中研究表明信号波达方向DOA（Direction of Arrival）估计始终是雷达系统目标探测、目标追踪、轨迹合成等的一个重要测量参数。DOA估计算法也一直都是阵列信号处理的热门方向,基于不同理论的测角技术层出不穷,而其中绝大多数的算法都是建立在理想阵列模型下。但在实际工程中落地实现的过程中必须要考虑阵列非理想因素,这些阵列误差的存在使得算法模型失配,DOA估计精度降低。为了进一步的工程实用化,本文对阵列非理想因素下的DOA估计算法进行研究,针对阵列失配的两大重要因素互耦误差与幅相误差进行分析,论文主要从4个方面进行探究:第一部分建立非理想因素下的DOA接收信号模型,并以均匀线阵为例,分析非理想因素对DOA算法性能所带来的影响,基于两种不同的DOA估计方法研究非理想因素导致DOA估计性能的下降。第二部分以汽车毫米波雷达常用的均匀线阵为阵列结构,研究了其在互耦误差与幅相误差条件下的校正算法性能,介绍了几种当下的互耦误差校正算法,改进了基于正交匹配追踪的DOA互耦自校正算法,并通过仿真实例进行了算法性能的对比。介绍了三种均匀线阵的幅相校正算法,并对最小原子范数（atomic norm minimization,ANM）自校正算法进行优化降维处理,使其运算时间大幅度减少,并通过仿真验证其算法性能。第三部分主要是将上述校正算法思想引入到其他阵列结构中。针对均匀圆阵研究了互耦秩损法与模式空间变换法,并对其性能进行仿真验证。针对均匀矩形阵,优化通过三子阵模型消除互耦误差影响的快速二维DOA估计算法,并与已有算法做性能对比,仿真验证其在DOA估计性能相似的前提下能够减少计算复杂度,且更利于实际工程实现。第四部分主要是在实际环境中的实测数据的实验验证。通过现有的雷达平台对实测数据进行综合分析其处理流程,并对本文中的可用算法进行性能实测。
范中涛[5]（2020）在《基于空域滤波的导航接收机抗干扰技术研究》文中进行了进一步梳理随着卫星导航系统定位精度的不断提高,其在人们的生产和生活中起到日益重要的作用。然而由于卫星离地球很远,卫星信号到达导航接收机时电平十分微弱,卫星导航接收机接收到的导航信号比较容易受到空间干扰的影响,进而导致导航接收机无法准确的完成导航定位功能。因此,为了使卫星导航接收机能在各类干扰环境下正常工作,对导航接收机进行抗干扰研究就势在必行。本文针对导航接收机抗干扰问题,采用基于多阵元天线的空域滤波结构对空间压制式干扰（单频压制干扰及压制式窄带干扰）进行自适应滤波,最终实现对干扰的滤除,保证导航接收机的正常运作。本文的主要内容和取得的工作成果主要有:第一,对抗干扰导航接收机结构开展了研究;针对接收机信号处理过程中的薄弱环节分析了导航接收机的受扰机理;通过对多种干扰类型分析,面向压制式干扰这一主要的强干扰类型,针对其特点提出采用基于多阵元天线结构的自适应空域滤波算法作为抗干扰手段;第二,对基于多阵元天线的波达方向估计（DOA）算法开展研究,通过编写代码仿真实现了包括MUSIC和ESPRIT两种算法,分析其优缺点。针对MUSIC算法估计时间与估计精度之间的矛盾,提出变步进搜索方法,在保证估计精度的前提下显着缩短了估计时间;由于两种算法在估计时间和估计精度上各自的优势,提出MUSIC和ESPRIT联合算法,通过ESPRIT算法快速获得信号角度的粗略估计,再由MUSIC算法获得精确估计,该方法进一步权衡了估计时间与估计精度之间的矛盾;针对多干扰源存在时DOA估计自由度不足问题,探究了基于四阶累积量对阵列的扩展方法;第三,对自适应波束形成算法进行了研究。通过对空域滤波结构与空时域滤波结果下线性约束最小方差（LCMV）波束形成算法的仿真,观察不同信干比及干扰个数条件下的干扰抑制性能,得出空域滤波结构下干扰抑制算法在零陷深度上的不足;引入空时域滤波结构,通过设置对比实验证明该结构下算法干扰抑制性能有明显的提升,其中零陷深度降低了10d B左右,在多干扰存在时均能有效抑制;第四,将上述研究成果集成到导航接收机抗干扰仿真平台中,主要开发工作包括接口文件读写及仿真数据生成模块、DOA估计及波束成形算法模块和结果演示模块。通过平台的展示结果,接收的混杂信号经算法处理后的信干比满足导航接收机正常工作时的抗干扰容限要求。
王欢[6]（2020）在《基于互质阵列的波达方向估计》文中研究指明波达方向（DOA）估计是现如今的一个研究热点,目前大多数DOA估计算法都是基于一种阵元间距相等的均匀阵列进行,并基于均匀阵列的接收信号模型提出了许多经典的算法。然而均匀阵列结构每两个阵元之间的间隔都限制在半倍波长以内,一旦间隔超出限制那么估计出的结果就会有角度模糊。这样的间隔限制对DOA估计性能会造成两点影响,一是阵元间距受限导致阵列孔径小,影响了估计精度;二是阵元之间距离太小导致阵元间会产生互耦效应,影响估计结果。针对这些不足之处,许多研究人员考虑改变阵列结构,开始研究非均匀阵列。非均匀阵列的阵元间距不再受限制,因此扩大了阵列的孔径而且降低了阵元间的互耦效应。非均匀阵列的结构形式有很多,互质阵列就是其中一种,本文所做的工作就是针对互质阵列的DOA估计展开一系列的研究:首先针对相干信号的DOA估计提出了一种解相干算法,主要是将电磁矢量传感器作为互质阵列的阵元,基于电磁矢量传感器的多个接收分量解决相干信号的秩亏损问题;另一方面互质阵列进行虚拟域推导时得到的虚拟阵元非连续,会造成信息损失,因此该算法还结合了阵元内插思想来优化协方差矩阵,对数据进行恢复,从而使其形成一个连续的虚拟阵列,相较于原来的虚拟阵列它的孔径得到了扩展,因此算法性能得到了提升。第二部分主要基于两种阵型对空域二维入射信号进行估计,一种是改进的L型阵列,针对压缩平移互质阵列提出改进,利用改进后的阵列构造一个L型天线阵来实现二维角度估计。另一个是平行互质阵列,通过构造两个相关矩阵,对其进行处理,得到与实际阵元位置和差集相对应的一组虚拟阵元的接收数据。使用不同的虚拟域推导方式,增多了虚拟阵元的个数,扩展了虚拟阵列的孔径,提高了DOA估计的自由度和精度。第三部分主要是针对近场入射信号提出了基于互质阵列的近场源多参数估计,现如今大多数的近场源定位都只估计其俯仰角和距离,本文算法将近场入射信号的角度估计扩展到三维空间,利用互质阵列接收信号,对近场入射信号的俯仰角、方位角以及距离这三个参数进行估计。使用特殊的阵列结构将三维参数估计问题转换成三个一维参数估计问题,并使用稀疏重构算法进行估计,算法本身有较好的噪声鲁棒性,且不需要使用空间平滑造成孔径损失,可以取得较好的估计性能。
乜亮[7]（2020）在《宽带相干信号DOA估计算法及FPGA实现研究》文中指出宽带信号波达方向（DOA）估计已成为阵列信号处理的主要研究课题之一。在工程方面,随着对实现算法保密要求的提高,简单的利用DSP来实现DOA估计算法已不能满足需求,而FPGA（Field Programmable Gate Array）可通过逻辑门电路来从底层实现算法,所以越来越多的科研人员都开始投入对算法的FPGA实现研究。本文主要围绕宽带相干信号DOA估计算法进行研究,并结合估计性能以及FPGA实现的复杂度选择虚拟阵聚焦算法,利用FPGA实现了其关键步骤。本文的主要研究工作如下:（1）针对窄带相干信号DOA估计问题,研究了两种经典算法——空间平滑算法和Toeplitz矩阵重构算法。分别利用MATLAB平台验证了两种算法对相干窄带信号进行DOA估计的效果,并做了对比分析。同时从硬件实现的角度对两种算法的实现复杂度做了评估,分析结果表明Toeplitz矩阵重构算法的综合运算复杂度低于空间平滑算法。该结论用于解决宽带相干信号DOA估计问题,后文中将Toeplitz矩阵重构算法与ISM算法结合作为宽带解相干问题的一种算法。（2）针对宽带相干DOA估计问题,研究分析了三种算法,一种是ISM算法与窄带解相干算法的结合;第二种是经典的宽带解相干算法中的RSS算法;第三种是一种虚拟阵聚焦算法。利用MTALAB对三种算法在相同条件下做了仿真实验,据仿真实验的结果进行了分析,得出在三种算法中,RSS算法对于宽带相干信号的DOA估计结果是最精确的,虚拟阵聚焦算法的估计性能居中,ISM算法与Toeplitz矩阵重构算法结合的估计性能最差。最后从硬件实现的角度考虑,分析了三种算法的计算量及硬件实现的难易程度,结合之前仿真实验比较的三种算法的估计性能,确定了虚拟阵聚焦算法作为后续研究使用硬件实现的目标算法。（3）对虚拟阵聚焦算法的FPGA实现涉及到的算法理论进行了详细的分析。利用FFT IP核实现了128点FFT;设计了基2原位运算FFT处理器实现16点FFT;利用IDFT公式实现了IDFT过程;根据DOA估计实数化理论实现了复共轭矩阵转换成实对称矩阵的过程;利用Jacobi算法和CORDIC算法实现了对16×16维的实对称矩阵的特征分解;根据谱峰函数设计电路实现了谱峰搜索。并且对各模块进行仿真验证输出结果的正确性。
吴琴[8]（2020）在《二维波达方向估计算法研究》文中进行了进一步梳理信号波达方向（DOA,Direction Of Arrival）估计是信号处理领域的研究热点之一。本文针对二维DOA估计算法存在的估计精度不高、计算复杂度过大以及相干信号使协方差矩阵出现秩亏损等问题,在分析已有算法的基础上,主要做了以下三个方面的改进:1.当均匀面阵为接收阵列时,改进了基于传播算子（PM,Propagator Method）算法。该改进算法利用划分子面阵之间的几何平移特性,通过传播算子求解旋转不变矩阵,根据旋转不变矩阵特征值的模值和相位值与二维入射角度的转换关系,求出已配对的二维角度估计值。仿真实验表明,与传统方法相比,该算法在保持性能不变的条件下,显着降低了运算复杂度。2.当均匀圆阵为接收阵列时,讨论了基于模式空间算法。该算法将均匀圆阵等效为虚拟均匀线阵,等效前后数据包含信息相同,利用虚拟均匀线阵求解空间来波信号的二维波达角度估计值。实验表明,该算法有效降低了运算量,但是在高仰角的时候误差过大。分析了高仰角时误差和各个参数的关系,通过实验证明通过改变均匀圆阵阵元数目和虚拟均匀线阵阵元数目比可以提高精度。3.当均匀面阵为接收阵列时,提出了协方差矩阵重构算法。该算法分析协方差矩阵的子分块矩阵本应满足但由于相干信号影响而不再满足的Toeplitz特性,利用阵列接收数据矢量重新构造符合要求的协方差矩阵。实验表明,提出的算法不仅可以提高阵元利用率,且可以准确的估计出存在相干信号的混合入射信号源的到达角度估计值。
徐豪[9]（2020）在《基于MIMO的汽车毫米波雷达信号体制及超分辨测角研究》文中指出近年来汽车越来越成为人们生活的一部分。但是汽车使用的增多也带来了一个严重的问题,那就是交通事故。而70%90%的交通事故是人为因素导致的,其中大部分都是注意力不集中或者反应时间不够。于是,雷达就作为一个重要的辅助工具应用在了汽车驾驶中。而且随着智能交通系统的飞速发展,雷达系统也作为其中必不可少的一部分被应用于汽车自动辅助驾驶系统中。汽车行驶过程中可能会碰到恶劣天气比如雨雪雾霾强光等。这种情况下汽车的摄像头激光雷达等就不能正常工作了。而毫米波（millimeter-waves,MMW）雷达由于其辐射传输特性可以在任何天气下工作,很好的弥补了其他传感器的不足。MMW雷达传感器件的一个显着优势就在于其体积小,重量轻。所以汽车MMW雷达的研究也变得愈来愈受研究者的关注。对于汽车MMW雷达来说,衡量其性能好坏的一个重要指标就是角分辨率。如果角分辨率不够,汽车毫米波雷达可能无法区分远处间隔较近的目标,比如前面的车辆和对面的来车或者前方行人,这对汽车毫米波雷达来说是十分致命的,再加上高角分辨率对于雷达成像十分重要,所以如何提高汽车雷达的角分辨率就成了一个迫切需要解决的问题。要提高雷达的角分辨率,只能采用两种途径:虚拟孔径和超分辨算法。本文综合两种方式,以达到尽可能提高角分辨率的效果。本文首先采用了一种改进型遗传算法（genetic algorithm,GA）,通过对多输入多输出（multiple-input multiple-out,MIMO）雷达进行收发联合优化,并将主瓣宽度考虑进去,以达到尽可能抑制峰值旁瓣的同时主瓣宽度仍保持在合适的范围。然后本文介绍了一些经典的超分辨到达角（Direction-Of-Arrival,DOA）估计方法,并提出了一种基于共轭-加权子空间的超分辨算法。仿真表明,该算法在信噪比很低,快拍数极少甚至只有一个的情况下能够得到与基于稀疏恢复/压缩感知DOA估计算法相当的角分辨率,但是计算量却大大减少。文章在MIMO雷达阵列优化的基础上再采用超分辨算法,经仿真验证,这样完全可以满足项目中非理想因素下的角分辨率指标。
刘禹池[10]（2020）在《基于按阶递推最小二乘方法的DOA估计》文中研究指明阵列信号处理被广泛应用于雷达、声纳、无线通信、地质勘探等很多工程领域,是一个既有重大国家国防安全需求、又有多样性民用和民生价值的研究课题。波达方向（Direction of Arrival,DOA）估计是阵列信号处理中的一个基础且具有代表性的问题。现有很多DOA估计方法需要把外部入射信源数目已知作为先决条件,而实际中信源数目往往是未知的,因此研究信源数目未知条件下的DOA估计方法变得很有理论意义和应用价值。此外,DOA估计还受到信源信号的非相关/相干性等因素的影响,这也是一并要考虑的问题。本文研究思路如下:首先,以一维均匀线阵（Uniform Linear Array,ULA）为研究对象,对信源空间传播相移进行差分操作提取信源相差,并把相移差分操作与信源信号和噪声信号的平稳性质有机的融合到一起,经过理论推导得到信源相差所满足的线性方程组和求根多项式;其次,基于信源相差所满足的线性方程组,本文引入按阶递推最小二乘（Order-recursive Least Squares,ORLS）方法,研究外部信源数目未知情况下的DOA估计问题,并通过分析和推导提出估计信源数目和DOA的算法。本文的主要工作如下:一、推导了基于信源相移向前差分操作（Forward Difference Operation,FDO）和向后空间差分操作（Backward Difference Operation,BDO）的信源相差线性方程组,合并上述两个方程组形成组合方程组,在此基础上推导出可用于DOA估计的修正的Yule-Walker（The Modified Yule-Walker,MYW）方程以及寻根多项式。二、根据信源相差满足的线性方程组,提出the elevation-only ULA的信源信号模型是一个空间退化ARMA过程,研究基于组合方程组研究the elevation-only ULA模型的最大检测信源数目,研究组合方程组和DOA估计方法针对非相关/相干信源信号的适用性。三、提出将ORLS方法引入DOA估计中,通过按阶递推的方式来统计各个迭代次数下的最小二乘误差和最小二乘估计LSE（Least Square Estimate,LSE）,并由此确定信源数目和DOA,为反映按阶递推收敛特性,提出将信源估计角度的虚部纳入递推误差中。四、针对所提DOA估计方法,通过MATLAB开展数值仿真和性能分析实验,验证算法的有效性和性能。以上研究将阵列信号处理的物理特性和信号特性相结合,并引入按阶递推最小二乘法,为信源数目未知条件下的DOA估计提供了新的思路。
二、基于信号子空间抽取的DOA估计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于信号子空间抽取的DOA估计（论文提纲范文）
（1）复杂噪声背景下的稀疏测向方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 DOA估计的国内外研究现状 |
| 1.2.1 早期非参数化方法 |
| 1.2.2 参数化阵列测向方法的研究 |
| 1.2.3 半参数化方法(稀疏测向)的研究 |
| 1.2.4 高斯色噪声背景下的测向方法研究 |
| 1.2.5 alpha噪声背景下的测向方法研究 |
| 1.2.6 基于实值化模型的测向方法 |
| 1.2.7 离网格(off-grid)稀疏测向方法 |
| 1.2.8 无网格(gridless)稀疏测向方法 |
| 1.3 本文的主要内容和章节安排 |
| 第2章 相关理论以及预备知识 |
| 2.1 引言 |
| 2.2 稀疏表示的基本原理 |
| 2.3 稀疏测向的可行性分析 |
| 2.4 非高斯分布的基本模型 |
| 2.4.1 混合高斯分布 |
| 2.4.2 广义高斯分布 |
| 2.4.3 t分布 |
| 2.4.4 alpha稳定分布 |
| 2.5 alpha稳定分布的定义和性质 |
| 2.5.1 alpha稳定分布的定义 |
| 2.5.2 alpha稳定分布的性质 |
| 2.6 本章小结 |
| 第3章 基于全部子空间信息的匹配追踪测向算法 |
| 3.1 引言 |
| 3.2 基于均匀线形阵列(ULA)的DOA估计稀疏模型 |
| 3.3 MP类算法角度分辨能力不足的原因分析 |
| 3.4 子空间信息 |
| 3.5 NSR OMP算法提出 |
| 3.5.1 最小范数法 |
| 3.5.2 NSR OMP算法实现和计算量分析 |
| 3.6 仿真实验 |
| 3.6.1 实验3.1--NSR OMP算法估计实验 |
| 3.6.2 实验3.2--偏移角实验 |
| 3.6.3 实验3.3--快拍数实验 |
| 3.6.4 实验3.4--信噪比实验 |
| 3.7 本章小结 |
| 第4章 基于实值化模型的离格稀疏测向方法 |
| 4.1 引言 |
| 4.2 阵列的实值化测向模型 |
| 4.2.1 均匀线阵(ULA)的二阶统计量实值化测向模型 |
| 4.2.2 稀疏线阵(SLA)的二阶统计量实值化测向模型 |
| 4.2.3 ULA阵列的四阶累积量降维实值化测向模型 |
| 4.3 算法提出 |
| 4.3.1 RV L1-SSV DOA估计算法 |
| 4.3.2 基于平滑l_0范数的DOA估计算法 |
| 4.3.2.1 平滑函数设计 |
| 4.3.2.2 算法推导 |
| 4.3.2.3 RV ISL0-SSV算法流程 |
| 4.3.2.4 算法参数设置及其计算量分析 |
| 4.3.2.5 四阶累积量矢量实值化模型 |
| 4.3.3 在格方法的仿真实验与分析 |
| 4.3.3.1 实验4.1--可行性实验 |
| 4.3.3.2 实验4.2--偏移角实验 |
| 4.3.3.3 实验4.3--信噪比实验 |
| 4.4 实值化离格稀疏测向方法 |
| 4.4.1 RV L1-OGSSV测向方法 |
| 4.4.2 RV ISL0-OGSSV和RV ISL0-OGHOCV测向方法 |
| 4.4.3 离格测向方法的仿真实验与分析 |
| 4.4.3.1 实验4.4--收敛性分析 |
| 4.4.3.2 实验4.5--信噪比实验 |
| 4.4.3.3 实验4.6--运算时间比较 |
| 4.5 本章小结 |
| 第5章 Alpha白噪声背景下基于PFLOM的无网格稀疏测向方法 |
| 5.1 引言 |
| 5.2 理论基础 |
| 5.2.1 范德蒙德分解定理 |
| 5.2.2 原子范数 |
| 5.2.3 连续压缩感知 |
| 5.2.4 协方差匹配 |
| 5.3 基于分数低阶统计量无网格方法的可行性分析 |
| 5.4 基于PFLOM的无网格测向方法 |
| 5.4.1 基于PFLOM的 GLS方法 |
| 5.4.2 基于PFLOM的稀疏矩阵重构方法 |
| 5.4.3 参数b的设定 |
| 5.5 PFLOM-SMR和PFLOM-GLS算法与ANM方法的关联性 |
| 5.6 仿真实验与分析 |
| 5.6.1 实验5.1--可行性实验 |
| 5.6.2 实验5.2--信噪比实验 |
| 5.6.3 实验5.3--快拍数实验 |
| 5.6.4 实验5.4--噪声冲击性实验 |
| 5.7 本章小结 |
| 第6章 Alpha色噪声背景下基于FOC的稀疏测向方法 |
| 6.1 引言 |
| 6.2 分数阶累积量 |
| 6.3 算法提出 |
| 6.3.1 基于FOC的 MUSIC算法 |
| 6.3.2 基于FOC的离格稀疏测向方法 |
| 6.3.3 基于FOC的无网格稀疏测向方法 |
| 6.4 数值仿真实验分析 |
| 6.4.1 实验6.1--确定参数p的取值 |
| 6.4.2 实验6.2--可行性实验 |
| 6.4.3 实验6.3--信噪比实验 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间所取得的科研成果 |
| 致谢 |
（2）基于TC-OFDM信号的相干DOA估计算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 DOA估计算法发展现状 |
| 1.3 本文主要研究内容与成果 |
| 1.4 本文的结构安排 |
| 1.5 本章小结 |
| 第二章 DOA估计的基础理论和经典算法 |
| 2.1 DOA估计信号模型 |
| 2.1.1 窄带信号模型 |
| 2.1.2 相干信号模型 |
| 2.1.3 TC-OFDM信号模型 |
| 2.2 DOA估计的经典算法 |
| 2.2.1 MUSIC算法 |
| 2.2.2 Root-MUSIC算法 |
| 2.2.3 ESPRIT算法 |
| 2.2.4 经典DOA算法仿真分析 |
| 2.3 本章小结 |
| 第三章 相干信号DOA估计算法研究 |
| 3.1 矢量奇异值算法 |
| 3.2 矩阵分解算法 |
| 3.3 空间平滑算法 |
| 3.4 不变噪声子空间平滑算法 |
| 3.4.1 信号数据预处理 |
| 3.4.2 信号的DOA估计 |
| 3.4.3 算法处理流程 |
| 3.5 相干DOA估计算法仿真及分析 |
| 3.6 本章小结 |
| 第四章 基于TC-OFDM信号的DOA估计算法研究 |
| 4.1 基于TC-OFDM信号的DOA估计算法原理 |
| 4.2 聚焦矩阵的构造 |
| 4.3 基于TC-OFDM信号的DOA估计算法流程 |
| 4.4 基于TC-OFDM信号的DOA估计算法性能分析 |
| 4.5 本章小结 |
| 第五章 软件无线电平台DOA估计算法实现 |
| 5.1 软件无线电平台介绍 |
| 5.1.1 USRP软件无线电设备 |
| 5.1.2 PXIe设备 |
| 5.1.3 时钟分配器 |
| 5.2 LabVIEW软件平台 |
| 5.2.1 LabVIEW介绍 |
| 5.2.2 LabVIEW数据采集 |
| 5.2.3 LabVIEW数据结构 |
| 5.3 总体系统实现 |
| 5.4 LabVIEW程序实现 |
| 5.4.1 数据采集部分 |
| 5.4.2 相位补偿 |
| 5.4.3 信号的DOA估计 |
| 5.5 算法测试结果与分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（3）汽车MIMO毫米波雷达技术应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 阵列优化研究现状 |
| 1.2.2 雷达DOA估计算法研究现状 |
| 1.3 主要研究内容和章节安排 |
| 第二章 MIMO雷达工作原理 |
| 2.1 引言 |
| 2.2 MIMO雷达信号收发模型 |
| 2.3 收发联合波束形成 |
| 2.3.1 匹配滤波与波束形成 |
| 2.3.2 仿真结果 |
| 2.4 FMCW雷达工作原理 |
| 2.4.1 FMCW雷达工作流程 |
| 2.4.2 FMCW雷达测速测距原理 |
| 2.5 本章小结 |
| 第三章 MIMO雷达收发阵列设计优化 |
| 3.1 引言 |
| 3.2 MIMO雷达虚拟阵列 |
| 3.3 最小冗余线阵 |
| 3.3.1 最小冗余度 |
| 3.3.2 最小冗余阵列 |
| 3.3.3 最小冗余阵列角度分辨力 |
| 3.4 最小冗余MIMO雷达阵列设计 |
| 3.4.1 最小冗余MIMO雷达设计方法 |
| 3.4.2 仿真结果 |
| 3.5 本章小结 |
| 第四章 经典DOA估计算法研究 |
| 4.1 引言 |
| 4.2 基于特征子空间的超分辨算法 |
| 4.2.1 MUSIC算法 |
| 4.2.2 Root-MUSIC算法 |
| 4.2.3 ESPRIT算法 |
| 4.2.4 空间平滑MUSIC算法 |
| 4.2.5 仿真分析 |
| 4.3 传播算子PM算法 |
| 4.3.1 谱峰搜索传播算子算法 |
| 4.3.2 仿真分析 |
| 4.4 基于稀疏恢复的DOA算法 |
| 4.4.1 压缩感知原理 |
| 4.4.2 CSS-DOA算法 |
| 4.4.3 仿真分析 |
| 4.5 IAA-APES算法 |
| 4.5.1 算法原理 |
| 4.5.2 仿真分析 |
| 4.6 确定性最大似然算法 |
| 4.7 仿真验证 |
| 4.7.1 不同信噪比下的算法性能 |
| 4.7.2 不同阵元个数下的算法性能 |
| 4.7.3 不同角度间隔下的算法性能 |
| 4.7.4 不同快拍数下的算法性能 |
| 4.7.5 角分辨率比较 |
| 4.8 本章小结 |
| 第五章 FMCW雷达DOA算法研究 |
| 5.1 引言 |
| 5.2 稀疏阵列假目标剔除方法研究 |
| 5.2.1 DBF测角算法 |
| 5.2.2 假目标剔除算法 |
| 5.2.3 仿真分析 |
| 5.3 基于阵列扩展的高精度测角算法研究 |
| 5.3.1 算法模型 |
| 5.3.2 稀疏阵列解决 |
| 5.3.3 仿真分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）汽车毫米波雷达阵列非理想情况下DOA算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文工作及章节安排 |
| 第二章 汽车毫米波雷达阵列DOA估计基础理论 |
| 2.1 车载毫米波雷达系统 |
| 2.2 经典DOA估计算法简介 |
| 2.2.1 MUSIC算法 |
| 2.2.2 Capon算法 |
| 2.2.3 ESPRIT算法 |
| 2.3 压缩感知理论与稀疏DOA估计算法 |
| 2.3.1 压缩感知的基本原理 |
| 2.3.2 稀疏空域信号表示 |
| 2.3.3 空域信号稀疏重构 |
| 2.4 信号离格误差 |
| 2.5 本章小结 |
| 第三章 非理想因素对DOA估计性能的影响 |
| 3.1 阵列接收信号理论模型 |
| 3.1.1 阵列理想信号模型 |
| 3.1.2 阵列互耦误差下信号模型 |
| 3.1.3 阵列通道增益(幅度)/相位误差信号模型 |
| 3.1.4 阵列位置误差信号模型 |
| 3.2 阵元互耦对DOA估计影响分析 |
| 3.2.1 空间谱对比 |
| 3.2.2 均方根误差对比 |
| 3.2.3 多目标角度间隔影响分析 |
| 3.2.4 互耦自由度影响分析 |
| 3.3 通道幅相误差对DOA估计影响分析 |
| 3.3.1 空间谱对比 |
| 3.3.2 均方根误差对比 |
| 3.3.3 多目标角度间隔影响分析 |
| 3.3.4 通道增益误差对DOA估计性能的影响 |
| 3.3.5 通道相位误差对DOA估计性能的影响 |
| 3.4 本章小结 |
| 第四章 车载毫米波雷达阵列误差校正算法 |
| 4.1 阵元互耦误差DOA自校正算法 |
| 4.1.1 基于稀疏贝叶斯的互耦自校正算法 |
| 4.1.2 基于OMP的互耦误差自校正算法 |
| 4.2 通道幅相误差自校正算法 |
| 4.2.1 基于噪声子空间正交性的幅相自校正算法 |
| 4.2.2 基于部分标定阵元的幅相自校正算法 |
| 4.2.3 基于最小原子范数的幅相自校正算法 |
| 4.3 仿真结果及分析 |
| 4.3.1 稀疏贝叶斯算法的迭代收敛问题 |
| 4.3.2 基于OMP的互耦自校正算法的性能分析 |
| 4.3.3 幅相误差自校正算法的性能分析 |
| 4.3.4 改进型最小原子范数自校正算法的性能提升 |
| 4.4 本章小结 |
| 第五章 基于其他阵列结构的互耦误差校正算法 |
| 5.1 引言 |
| 5.2 平面阵互耦误差校正算法 |
| 5.2.1 互耦误差下平面阵列模型 |
| 5.2.2 基于二维ESPRIT的面阵互耦自校正算法 |
| 5.2.3 基于改进2D-PM的面阵快速互耦自校正算法 |
| 5.3 均匀圆阵互耦误差校正算法 |
| 5.3.1 圆阵秩损互耦自校正算法 |
| 5.3.2 圆阵模式空间ESPRIT互耦校正算法 |
| 5.4 仿真结果及分析 |
| 5.4.1 矩形面阵互耦自校正算法性能对比 |
| 5.4.2 均匀圆阵互耦自校正算法性能对比 |
| 5.5 本章小结 |
| 第六章 实测环境验证 |
| 6.1 实测平台介绍 |
| 6.2 实验平台参数设置与性能分析 |
| 6.3 基于实测数据的算法验证 |
| 6.3.1 未校正实测分析 |
| 6.3.2 有源校正实测分析 |
| 6.3.3 自校正实测分析 |
| 6.4 本章小节 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（5）基于空域滤波的导航接收机抗干扰技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文的研究内容及章节安排 |
| 2 抗干扰导航接收机结构 |
| 2.1 导航接收机原理 |
| 2.1.1 导航接收机组成 |
| 2.1.2 信号的捕获 |
| 2.1.3 信号的跟踪 |
| 2.2 干扰对导航接收机作用机理 |
| 2.2.1 常见干扰类型及影响 |
| 2.2.2 压制式干扰建模 |
| 2.2.3 干扰分析 |
| 2.3 导航接收机抗干扰措施 |
| 2.4 常见阵列模型及处理方法 |
| 2.4.1 接收阵列模型 |
| 2.4.1.1 均匀线阵(ULA) |
| 2.4.1.2 均匀圆弧阵 |
| 2.4.1.3 均匀圆阵(UCA) |
| 2.4.2 加性噪声模型 |
| 2.4.3 窄带信号模型 |
| 2.4.4 DOA估计传统方法 |
| 2.4.4.1 波束形成法 |
| 2.4.4.2 Capon最小方差法 |
| 2.4.4.3 子空间法 |
| 2.5 本章小结 |
| 3 均匀圆阵DOA估计算法及仿真 |
| 3.1 引言 |
| 3.2 信源数估计 |
| 3.2.1 基于信息论准则的估计方法 |
| 3.2.2 MDL算法仿真 |
| 3.3 均匀线阵DOA估计算法 |
| 3.3.1 多重信号(MUSIC)分类算法 |
| 3.3.2 旋转不变子空间算法 |
| 3.4 均匀线阵DOA估计仿真分析 |
| 3.4.1 MUSIC算法仿真 |
| 3.4.2 ESPRIT算法仿真 |
| 3.5 均匀圆阵DOA估计仿真分析 |
| 3.5.1 UCA数学模型 |
| 3.5.2 通过相位模式激励的UCA测向 |
| 3.5.3 均匀圆阵ESPRIT算法 |
| 3.5.4 均匀圆阵DOA估计仿真及结果分析 |
| 3.6 基于四阶累积量的阵列扩展 |
| 3.6.1 四阶累积量相关知识 |
| 3.6.2 四阶累积量的阵列扩展 |
| 3.7 本章小结 |
| 4 自适应波束形成算法 |
| 4.1 前言 |
| 4.2 自适应滤波常用最优化准则(最佳波束形成器) |
| 4.2.1 最小均方误差(MMSE)准则 |
| 4.2.2 最大信噪比(Max SNR)准则 |
| 4.2.3 线性约束最小方差(LCMV)准则 |
| 4.3 空域自适应滤波算法 |
| 4.3.1 线性约束最小方差波束形成器 |
| 4.3.2 LCMV波束形成仿真 |
| 4.4 空时域自适应滤波算法 |
| 4.4.1 算法原理 |
| 4.4.2 仿真实验 |
| 4.5 本章小结 |
| 5 仿真平台搭建 |
| 5.1 仿真平台总体流程 |
| 5.2 仿真平台功能 |
| 5.2.1 接口文件读写及仿真数据生成 |
| 5.2.2 DOA估计及自适应滤波模块 |
| 5.3 结果输出展示 |
| 5.4 本章小结 |
| 6 结论 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（6）基于互质阵列的波达方向估计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外发展和研究现状 |
| 1.3 本文的研究内容及安排 |
| 第二章 DOA估计基本理论 |
| 2.1 概述 |
| 2.2 DOA估计理论及相关算法 |
| 2.2.1 DOA估计信号模型 |
| 2.2.2 MUSIC算法 |
| 2.2.3 ESPRIT算法 |
| 2.3 互质阵列DOA估计基本理论 |
| 2.3.1 互质阵列DOA估计信号模型 |
| 2.3.2 虚拟阵元与虚拟接收信号的构造 |
| 2.3.3 互质阵列的典型DOA估计算法 |
| 2.3.4 仿真实验 |
| 2.4 本章小结 |
| 第三章 基于互质阵列的相干信号DOA估计 |
| 3.1 电磁矢量传感器阵列信号模型 |
| 3.2 电磁矢量互质阵列 |
| 3.2.1 电磁矢量互质阵列结构 |
| 3.2.2 电磁矢量互质阵列信号模型 |
| 3.3 电磁矢量互质阵解相干 |
| 3.3.1 电磁矢量传感器阵列解相干原理 |
| 3.3.2 互质阵列矩阵重构算法 |
| 3.3.3 电磁矢量互质阵解相干算法 |
| 3.4 仿真实验 |
| 3.5 本章小结 |
| 第四章 基于互质阵列的二维DOA估计 |
| 4.1 概述 |
| 4.2 基于L型互质阵列的二维DOA估计 |
| 4.2.1 L型互质阵列结构模型 |
| 4.2.2 L型互质阵列的接收信号模型 |
| 4.2.3 基于L型互质阵列的二维DOA估计 |
| 4.2.4 仿真实验 |
| 4.3 基于平行互质阵列的二维DOA估计 |
| 4.3.1 平行互质阵列结构模型 |
| 4.3.2 平行互质阵列接收信号模型 |
| 4.3.3 平行互质阵列的二维DOA估计算法 |
| 4.3.4 仿真实验 |
| 4.4 本章小结 |
| 第五章 基于互质阵列的近场源定位 |
| 5.1 近场源信号模型 |
| 5.2 基于互质阵列的近场源DOA估计算法 |
| 5.2.1 俯仰角估计 |
| 5.2.2 距离估计 |
| 5.2.3 方位角估计 |
| 5.3 仿真实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）宽带相干信号DOA估计算法及FPGA实现研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要工作内容及章节安排 |
| 第二章 窄带信号子空间类高分辨DOA算法 |
| 2.1 天线阵均匀线阵模型 |
| 2.2 阵列模型统计特性 |
| 2.3 多重信号分类算法 |
| 2.3.1 经典MUSIC算法原理 |
| 2.3.2 经典MUSIC算法步骤 |
| 2.3.3 经典MUSIC算法处理相干及非相干窄带信号仿真分析 |
| 2.4 解相干原理与窄带相干信号DOA估计 |
| 2.4.1 经典MUSIC算法处理相干窄带信号局限性分析 |
| 2.4.2 空间平滑算法 |
| 2.4.3 Toeplitz矩阵重构算法 |
| 2.4.4 仿真分析 |
| 2.5 本章小结 |
| 第三章 宽带信号子空间类高分辨DOA算法 |
| 3.1 宽带信号建模与阵列模型 |
| 3.1.1 宽带信号建模 |
| 3.1.2 宽带信号阵列模型 |
| 3.2 ISM算法 |
| 3.2.1 ISM算法原理 |
| 3.2.2 ISM算法步骤 |
| 3.2.3 ISM算法与Topelitz矩阵重构算法结合 |
| 3.3 经典CSM算法 |
| 3.3.1 CSM算法原理 |
| 3.3.2 最佳聚焦矩阵及其构造方法 |
| 3.4 虚拟阵聚焦算法 |
| 3.4.1 虚拟阵聚焦算法原理 |
| 3.4.2 仿真分析 |
| 3.5 本章小结 |
| 第四章 FPGA模块涉及的数值计算理论 |
| 4.1 傅里叶变换及基 2FFT处理器 |
| 4.1.1 DFT与FFT |
| 4.1.2 基2原位运算FFT处理器 |
| 4.2 DOA估计实数化 |
| 4.2.1 DOA估计实数化理论介绍 |
| 4.2.2 DOA估计实数化仿真分析 |
| 4.3 实对称矩阵特征分解的硬件实现方法 |
| 4.3.1 经典方法介绍及对比 |
| 4.3.2 Jacobi算法 |
| 4.4 CORDIC算法 |
| 4.4.1 算法介绍 |
| 4.4.2 CORDIC算法之圆周系统原理 |
| 4.5 本章小结 |
| 第五章 虚拟阵聚焦算法的FPGA实现 |
| 5.1 FFT与IDFT模块 |
| 5.1.1 FFT的IP核介绍 |
| 5.1.2 基2原位运算FFT处理器 |
| 5.1.3 IDFT的FPGA实现 |
| 5.1.4 FFT与IDFT模块仿真验证 |
| 5.2 复矩阵实数化模块 |
| 5.2.1 实数化模块FPGA设计思路 |
| 5.2.2 实数化模块仿真验证 |
| 5.3 特征分解模块 |
| 5.3.1 Jacobi算法实现 |
| 5.3.2 特征分解模块仿真验证 |
| 5.4 谱峰搜索模块 |
| 5.4.1 谱峰搜索模块FPGA设计思路 |
| 5.4.2 谱峰搜索模块仿真验证 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）二维波达方向估计算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要工作内容及章节安排 |
| 第二章 DOA估计经典算法 |
| 2.1 基本DOA估计算法理论 |
| 2.1.1 均匀线阵接收信号模型 |
| 2.1.2 阵列协方差矩阵特征分解 |
| 2.1.3 MUSIC算法原理 |
| 2.1.4 求根MUSIC算法原理 |
| 2.1.5 ESPRIT算法原理 |
| 2.1.6 总体最小二乘法 |
| 2.2 二维DOA估计算法 |
| 2.2.1 L阵列接收信号模型 |
| 2.2.2 二维MUSIC估计算法 |
| 2.2.3 二维求根MUSIC估计算法 |
| 2.2.4 二维ESPRIT估计算法 |
| 2.3 三种算法对比仿真 |
| 2.4 本章小结 |
| 第三章 基于传播算子的均匀面阵二维DOA估计改进算法 |
| 3.1 均匀面阵接收信号模型 |
| 3.2 一种基于传播算子的改进二维DOA估计算法 |
| 3.2.1 基于传播算子算法原理 |
| 3.2.2 传播算子算法 |
| 3.2.3 改进传播算子算法 |
| 3.3 算法步骤和运算量分析 |
| 3.4 仿真和结果分析 |
| 3.5 本章小结 |
| 第四章 基于模式空间的均匀圆阵二维DOA估计 |
| 4.1 均匀圆阵接收信号模型 |
| 4.2 基于MUSIC算法的均匀圆阵DOA估计算法 |
| 4.3 基于模式空间的均匀圆阵DOA估计算法 |
| 4.4 算法步骤 |
| 4.5 仿真和结果分析 |
| 4.6 本章小结 |
| 第五章 均匀面阵中相干信号二维DOA估计 |
| 5.1 相干信号DOA估计 |
| 5.1.1 空间平滑算法 |
| 5.1.2 协方差矩阵重构算法 |
| 5.2 均匀面阵中相干信号DOA估计 |
| 5.2.1 空间平滑算法 |
| 5.2.2 协方差矩阵重构算法 |
| 5.3 算法步骤 |
| 5.4 仿真和结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）基于MIMO的汽车毫米波雷达信号体制及超分辨测角研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究动态 |
| 1.2.1 阵列优化研究动态 |
| 1.2.2 超分辨算法研究动态 |
| 1.3 主要研究内容和章节安排 |
| 第二章 MIMO雷达实现超分辨原理 |
| 2.1 超分辨途径 |
| 2.2 MIMO雷达发射方式 |
| 2.2.1 时分MIMO |
| 2.2.2 频分MIMO |
| 2.2.3 码分MIMO |
| 2.2.4 汽车雷达发射方式选取 |
| 2.3 车载毫米波时分MIMO雷达发射信号模型 |
| 2.4 本章小结 |
| 第三章 MIMO雷达天线收发布阵联合优化 |
| 3.1 MIMO信号接收模型 |
| 3.2 MIMO虚拟收发波束 |
| 3.3 基于遗传算法的MIMO收发阵列布阵联合优化 |
| 3.3.1 遗传算法简介 |
| 3.3.2 基于遗传算法的MIMO阵列优化模型 |
| 3.3.3 仿真实现 |
| 3.4 本章小结 |
| 第四章 超分辨角度测量主要算法原理 |
| 4.1 经典超分辨算法 |
| 4.1.1 MUSIC算法 |
| 4.1.2 Root-MUSIC算法 |
| 4.1.3 ESPRIT算法 |
| 4.1.4 最大似然算法 |
| 4.1.5 仿真验证 |
| 4.2 几种基于特征子空间的超分辨算法 |
| 4.2.1 基于二阶求导的MUSIC算法 |
| 4.2.2 加权噪声子空间与加权信号子空间投影联合算法 |
| 4.2.3 信号子空间尺度MUSIC算法 |
| 4.2.4 仿真验证 |
| 4.3 迭代自适应算法 |
| 4.3.1 算法原理 |
| 4.3.2 性能仿真 |
| 4.4 基于稀疏恢复/压缩感知的DOA估计算法 |
| 4.4.1 稀疏恢复算法原理 |
| 4.4.2 稀疏恢复用于DOA估计 |
| 4.4.3 性能仿真 |
| 4.5 共轭加权子空间算法 |
| 4.5.1 算法原理 |
| 4.5.2 性能仿真 |
| 4.6 本章小结 |
| 第五章 汽车毫米波雷达超分辨测角算法性能 |
| 5.1 算法性能与信噪比的关系 |
| 5.2 算法性能与阵元个数的关系 |
| 5.3 算法性能与快拍个数的关系 |
| 5.4 算法性能与角度间隔的关系 |
| 5.5 角分辨率仿真分析 |
| 5.6 添加通道误差前后结果分析 |
| 5.6.1 通道误差模型 |
| 5.6.2 仿真分析 |
| 5.7 本章小结 |
| 第六章 全文总结 |
| 致谢 |
| 参考文献 |
（10）基于按阶递推最小二乘方法的DOA估计（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 信源DOA估计研究现状 |
| 1.1.2 信源数目估计研究现状 |
| 1.2 研究思路及创新点 |
| 1.3 论文研究内容及章节安排 |
| 第2章 DOA估计基础 |
| 2.1 DOA估计基础 |
| 2.1.1 均匀线阵模型(ULA) |
| 2.1.2 均匀平面阵模型与均匀圆阵模型 |
| 2.1.3 一般情况下的信号模型 |
| 2.1.4 相干信号源的数学模型 |
| 2.2 DOA估计的影响参数 |
| 2.3 经典的DOA估计算法 |
| 2.3.1 多重信号分类(MUSIC)算法 |
| 2.3.2 旋转不变子空间(ESPRIT)算法 |
| 2.4 经典的信源数目估计算法 |
| 2.5 本章小结 |
| 第3章 基于信源相位差分运算的ULA空间退化ARMA信号及其DOA估计 |
| 3.1 The elevation-only ULA模型下的信源相差提取 |
| 3.2 Theelevation-onlyULA模型下的信源相差线性方程组与求根多项式 |
| 3.2.1 基于FDO的信源相差线性方程组的推导 |
| 3.2.2 ULA的求根多项式 |
| 3.2.3 基于BDO的方程组推导 |
| 3.2.4 Theelevation-onlyULA下的外部信源的空间退化ARMA模型 |
| 3.3 Theelevation-onlyULA下的信源相差线性方程组与求根多项式分析 |
| 3.3.1 信源相位差分操作实施条件 |
| 3.3.2 信源相差线性方程组的最大检测信源数目 |
| 3.3.3 空间退化ARMA过程下噪声方差的计算 |
| 3.3.4 The elevation-only ULA的信源DOA估计的实施 |
| 3.4 数值仿真与分析 |
| 3.4.1 传感器噪声的不相关情况 |
| 3.4.2 传感器噪声的相干的情况 |
| 3.5 本章小结 |
| 第4章 基于按阶递推最小二乘法的DOA估计方法 |
| 4.1 ULA模型的线性组合方程组 |
| 4.2 基于ORLS的信源DOA估计方法 |
| 4.3 基于ORLS的最小二乘方法的误差改进 |
| 4.4 仿真实验与性能分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
四、基于信号子空间抽取的DOA估计（论文参考文献）
- [1]复杂噪声背景下的稀疏测向方法研究[D]. 赵洋. 吉林大学, 2021(01)
- [2]基于TC-OFDM信号的相干DOA估计算法研究[D]. 丁丹宇. 北京邮电大学, 2021(01)
- [3]汽车MIMO毫米波雷达技术应用研究[D]. 何宁宇. 电子科技大学, 2021(01)
- [4]汽车毫米波雷达阵列非理想情况下DOA算法研究[D]. 谭梦瑶. 电子科技大学, 2021(01)
- [5]基于空域滤波的导航接收机抗干扰技术研究[D]. 范中涛. 北京交通大学, 2020(03)
- [6]基于互质阵列的波达方向估计[D]. 王欢. 西安电子科技大学, 2020(05)
- [7]宽带相干信号DOA估计算法及FPGA实现研究[D]. 乜亮. 西安电子科技大学, 2020(05)
- [8]二维波达方向估计算法研究[D]. 吴琴. 西安电子科技大学, 2020(05)
- [9]基于MIMO的汽车毫米波雷达信号体制及超分辨测角研究[D]. 徐豪. 电子科技大学, 2020(07)
- [10]基于按阶递推最小二乘方法的DOA估计[D]. 刘禹池. 吉林大学, 2020(08)