《阵列信号处理的理论和套用》是由国防工业出版社出版的。

符号说明
第1章 绪论
1.1 研究背景
1.2 阵列信号处理的发展史及现状
1.2.1 波束形成技术
1.2.2 空间谱估计方法
1.2.3 阵列多参数估计
1.3 本书的安排
参考文献

第2章 阵列信号处理基础
2.1 矩阵代数的相关知识
2.1.1 特徵值与特徵向量
2.1.2 广义特徵值与广义特徵向量
2.1.3 矩阵的奇异值分解
2.1.4 Toeplitz矩阵
2.1.5 Hankel矩阵
2.1.6 Vandermonde矩阵
2.1.7 Hermitian矩阵
2.1.8 Kronecker积
2.1.9 Khatri-Rao积
2.2 信号模型
2.2.1 窄带信号
2.2.2 相关係数
2.2.3 噪声模型
2.3 阵列天线的统计模型
2.3.1 前提及假设
2.3.2 阵列的基本概念
2.3.3 天线阵模型
2.3.4 阵列的方向图
2.3.5 波束宽度
2.3.6 分辨力
2.4 阵列回响矢量/矩阵
2.5 阵列协方差矩阵的特徵分解
2.6 信源数估计算法
2.6.1 特徵值分解方法
2.6.2 资讯理论方法
2.6.3 平滑秩序列法
2.6.4 盖氏圆方法
2.6.5 正则相关技术
参考文献

第3章 波束形成算法
3.1 波束形成定义
3.2 常用的波束形成算法
3.2.1 波束形成原理
3.2.2 波束形成的最佳权矢量
3.2.3 波束形成的準则
3.2.4 仿真与分析
3.3 自适应波束形成算法
3.3.1 引言
3.3.2 自适应波束形成的最佳权矢量
3.3.3 权矢量更新的自适应算法
3.4 广义旁瓣相消器(GSC)的波束形成算法及其改进
3.4.1 “义旁瓣相消器算法”
3.4.2 GSC的改进算法
3.4.3 仿真及分析
3.5 基于投影分析的波束形成
3..5.1 基于投影的波束形成
3.5.2 基于斜投影的波束形成算法
3.6 过载情况下的自适应波束形成算法
3.6.1 信号模型
3.6.2 近似最小方差法波束形成器
3.6.3 阵列固有的协方差矩阵的求解
3.7 基于高阶累积量的波束形成算法
3.7.1 阵列模型
3.7.2 利用高阶累积量方法估计期望信号的方向矢量
3.7.3 基于高阶累积量的盲波束形成
3.8 基于周期平稳性的波束形成算法
3.8.1 阵列模型与信号周期平稳性
3.8.2 CAB类盲波束形成算法
3.9 基于恆模的盲波束形成算法
3.9.1 信号模型
3.9.2 随机梯度恆模算法
3.9.3 最小二乘恆模算法(IS-CMA)
3.10 自适应对角线载入的波束形成算法
3.10.1 引言
3.10.2 问题的提出
3.10.3 自适应对角线载入波束形成算法
3.10.4 仿真及分析
3.11 变换域波束形成技术
3.11.1 引言
3.11.2 基于频域的自适应波束形成算法
3.11.3 小波域自适应波束形成算法
3.12 鲁棒的自适应波束成形
3.12.1 对角载入方法
3.12.2 基于特徵空间的方法
3.12.3 贝叶斯方法
3.12.4 基于最坏情况性能最佳化的方法
3.12.5 基于机率约束的方法
参考文献

第4章 DOA估计算法
4.1 DOA估计的发展
4.2 传统的DOA估计方法
4.2.1 Capon算法
4.2.2 前向预测算法
4.2.3 最大熵算法
4.2.4 最小模算法
4.3 MUSIC算法及其修正算法
4.3.1 MUSIC算法
4.3.2 MUSIC算法的推广形式
4.3.3 MUSIC算法性能分析
4.3.4 求根MUSIC算法
4.3.5 求根MUSIC算法性能
4.4 最大似然法
4.4.1 确定性最大似然法
4.4.2 随机性最大似然法
4.5 子空间拟合算法
4.5.1 信号子空间拟合(SSF)
4.5.2 噪声子空间拟合(NSF)
4.5.3 子空间拟合算法性能
4.5.4 子空间拟合算法的实现
4.6 基于特徵空间的DOA估计算法
4.6.1 信号模型
4.6.2 基于特徵空间的DOA估计算法
4.6.3 仿真和分析
4.7 ESPRIT算法及其修正算法
4.7.1 ESPRIT算法的基本模型
4.7.2 LS-ESPRIT
4.7.3 TLS-ESPRIT
4.7.4 SLS-ESPRIT
4.7.5 酉ESPRIT：
4.7.6 ESPRIT算法理论性能
4.8 基于四阶累积量的DOA估计
4.8.1 引言
4.8.2 四阶累积量与二阶统计量之间的关係
4.8.3 四阶累积量的阵列扩展特性
4.8.4 MUSIC-Like算法
4.8.5 Virtual-ESPRIT算法
4.9 传播运算元DOA估计算法
参考文献

第5章 相干信源DOA估计
5.1 相干信源DOA估计的发展
5.2 空间平滑算法
5.3 改进的MUSIC算法(IMUSIC)
5.4 基于Toeplitz矩阵重构的ESPRIT-Like算法
5.5 任意阵列下的相干信号DOA估计
参考文献

第6章 二维DOA估计
6.1 引言
6.2 L型阵列下盲二维波达方向估计
6.2.1 数据模型
6.2.2 基于移不变性的改进的二维波达方向估计
6.3 面阵中二维DOA估计算法
6.3.1 接收信号模型
……
第7章 宽频阵列信号处理
第8章 阵列多参数估计
第9章 四元数理论在阵列信号处理中的套用
第10章 MIMO雷达的角度估计
第11章 声矢量感测器阵列的DOA估计
第12章 极化敏感阵列信号处理
附录
缩略词

众所周知，信号处理的基本原则是儘可能地利用、提取和恢复包含于信号特徵中的有用信息。在複杂的电磁环境中，对信号的参数进行有效的检测和精确的估计就显得尤其重要。在信号处理的发展历程中，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研究成果。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。通过感测器阵列或者天线阵列把时域採样变成时空採样，将时间频率变成空间频率（角度），从而将时域信号处理的许多理论成果推广到空域，开闢了阵列信号处理这一新的研究领域，阵列信号处理也就逐渐成为信号处理领域的一个重要分支。用感测器阵列来接收空间信号，与传统的单个定向感测器相比，具有灵活的波束控制、高信号增益、极强的干扰抑制能力以及高空间分辨能力等优点。
本书主要研究波束形成、波达方向估计算法、阵列多参数估计及其套用。本书主要特色如下。
（1）结构完整。虽然近年来国内外已经出版了几本涉及空间谱估计内容的优秀着作，但本书的体系更为完整，不仅包括空间谱估计，还覆盖了波束形成、阵列多参数估计和前沿发展。
（2）内容选材广。由于阵列信号处理的理论丰富且套用广泛，为了写好此书，我们收集了大量的国内外文献资料，并做了精心组织，儘可能地反映出这一学科中的精华内容。书中不仅对阵列信号处理中一些传统方法进行了详细讲解，同时对一些新方法（如四元数、PARAFAC方法）也进行了研究（详见附录B）。
（3）可读性强。对于许多读者来说，阵列信号处理所涉及的内容难学、难懂、难理解，尤其是专业论文不易读懂。本书注意了这一问题，儘量做到浅入深出，特别注重表达的清晰性、易懂性和可读性。为了便于读者阅读，书末和随书附赠光碟中附有必要的数学知识和阵列信号处理MATLAB程式。