MIMO雷达稳健角度估计技术

本书主要研究非理想条件下MIMO雷达目标定位理论与方法，主要内容涵盖MIMO雷达定位技术的研究现状、数学基础知识、MIMO雷达定位基础、互耦背景下MIMO雷达角度估计算法、增益-相位误差背景下MIMO雷达角度估计算法、空域有色噪声背景下MIMO雷达角度估计、非正交发射波形下MIMO雷达的DOA估计算法、基于机器学习的MIMO雷达稳健角度估计算法等。本书从数学模型、求解方法、理论性能分析、仿真验证等多个角度阐述非理想条件下MIMO雷达定位的相关技术方案。

第1章引言
11MIMO雷达定位技术概述
12MIMO雷达定位技术研究现状
121MIMO雷达系统应用进展
122MIMO雷达角度估计算法进展
123非理想条件下MIMO雷达角度估计进展
13本书内容结构安排
14本章小结
参考文献
第2章预备知识
21矩阵分析基础
211Hermitian矩阵
212Toeplitz矩阵
213Hankel矩阵
214Vandermonde矩阵
215Kronecker积
216Khatri-Rao积
217Hadamard积
218伪逆（Pseudo-inverse）
22矩阵及张量分解预备知识
221SVD与EVD
222SVD/EVD的性质
23张量分解基础
231张量的基本定义
232张量的基本代数运算
24机器学习基础
241压缩感知与稀疏重构
242深度神经网络
25阵列信号处理预备知识
251ULA
252L形阵列
253任意阵列流形
26本章小结
参考文献
第3章MIMO雷达角度估计基础
31MIMO雷达信号模型及CRB
311MIMO雷达信号模型
312角度估计的CRB
32MUSIC算法及其改进算法
3212D-MUSIC算法
322RD-MUSIC算法
33ESPRIT算法及快速算法
331基本的ESPRIT算法
332基于PM的快速角度估计算法
34基于PARAFAC分解的角度估计算法
341PARAFAC模型与PARAFAC分解
342DOD和DOA的估计
343仿真结果
35本章小结
参考文献
第4章互耦背景下MIMO雷达角度估计算法
41改进的RD-MUSIC估计算法
411信号模型
412角度估计及互耦校正算法
413仿真结果
42ESPRIT-Like估计算法
421信号模型
422基于选择性矩阵的去耦算法
423低复杂度的角度估计算法
424仿真结果
43一种基于HOSVD的估计算法
431信号模型
432基于HOSVD参数联合估计
433基于实值子空间的参数估计
434仿真验证与分析
44基于PARAFAC分解的估计算法
441信号模型
442含耦合的方向矩阵估计
443DOD和DOA联合估计
444互耦系数估计
445CRB
446算法分析
447仿真结果
45一种改进的PARAFAC估计算法
451信号模型
452PARAFAC分解
453角度粗估
454精化角度估算
455互耦系数估计
456算法分析
457仿真结果
46基于实值三线性分解的估计算法
461信号模型
462实值PARAFAC分解模型
463实值TALS
464联合DOD与DOA估计
465算法分析
466仿真结果及分析
47基于三维压缩感知的PARAFAC估计算法
471信号模型
472互耦抑制
473三维压缩感知
474角度估计
475复杂度分析
476仿真结果
48本章小结
参考文献
第5章增益-相位误差下MIMO雷达角度估计
51基于ESPRIT-Like的估计算法
511信号模型
512ESPRIT-Like算法
52基于RD-MUSIC的估计算法
521RD-MUSIC算法
522GPE估计
53一种角度和增益相位误差估计方法
531角度估计
532增益相位误差计算
54基于PARAFAC的联合角度-增益相位误差估计算法
541基于张量的MIMO雷达信号模型
542方向矩阵估计
543基于ESPRIT的多参数联合估计算法
55一种适用于非线性阵列的PARAFAC算法
56一种低复杂度的PARAFAC算法
561增益误差估计
562角度和相位误差估计
563仿真验证与分析
57基于单个校准Tx/Rx阵元的角度估计方法
571问题表述
572DOA和DOD估计
573算法分析
574仿真结果
58本章小结
参考文献
第6章空域有色噪声背景下MIMO雷达角度估计
61统计的CRB
611预备知识及信号模型
612CRB的估计表述
613几个关键矩阵的具体表述
614CRB关系的讨论
615仿真结果
62基于空域互协方差的色噪声抑制方法
621适用于三个发射阵元的空域互协方差算法
622适用于多个阵元的空域互协方差算法
623基于张量互协方差的算法
624仿真验证与分析
63基于时域互协方差的色噪声抑制方法
631信号模型
632空域互协方差张量
633张量子空间分解
634联合DOD和DOA估计
635算法分析
636仿真结果
64基于协方差差分的色噪声抑制方法
641信号模型
642协方差差分
643角度估计
644算法分析
645仿真结果
65基于协方差张量PARAFAC分解的估计算法
651信号模型
652白噪声场景
653空间有色噪声场景
654算法分析
655仿真结果
66基于矩阵/张量填充的色噪声抑制方法
661信号模型
662基于矩阵填充的去噪方法
663基于张量填充的去噪技术
664仿真结果
67本章小结
参考文献
第7章非正交发射波形下MIMO雷达的DOA估计算法
71基于预白化/矩阵填充的DOA估计算法
711基于预白化的DOA估计算法
712基于矩阵填充的DOA估计算法
713CRB
72基于QALS的DOA估计算法
721信号模型
722空域互协方差抑噪
723QALS算法
724算法仿真
73基于RD-MUSIC的高效DOA估计算法
731RD-MUSIC算法
732算法分析
733仿真结果
74一种改进的ESPRIT快速算法
741时域互协方差抑噪
742基于ESPRIT的DOA估计
743仿真结果
75面向Massive-MIMO雷达的估计算法
751色噪声抑制
752改进的PARAFAC分解
753算法分析
754仿真结果
76本章小结
参考文献
第8章基于机器学习的MIMO雷达稳健角度估计算法
81结构相关SBL算法及其在CS-MIMO雷达DOA估计中的
应用
811MSBL算法
812基于结构相关的多任务MCS算法
813CS-MIMO雷达信号模型
814结构化SBL算法
815仿真结果及分析
82单基地MIMO雷达基于SBL的离网格DOA估计算法
821信号模型
822降维变换
823预白化
824Off-grid SBL算法
825相关说明
826仿真结果
83基于深度神经网络的DOA估计方法
831信号模型
832网络结构
833网络训练与仿真
84本章小结
参考文献