| 【中文题名】 | 基于蒙特卡罗方法的高分辨方位估计新方法研究 |
| 【英文题名】 | Study on the New Methods of High-Resolution Direction Finding Based on Monte Carlo Methods |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-6-27 |
| 【中关键词】 | 贝叶斯,最大似然,高分辨,方位估计,蒙特卡罗,吉布斯抽样 |
| 【英关键词】 | Bayesian,Maximum likelihood,High-resolution,DOA estimator,Monte Carlo,Gibbs sampling,Importance sampling, |
| 【分类导航】 | 工业技术>无线电电子学、电信技术>雷达>雷达跟踪系统>> |
| 【论文摘要】 | 阵列处理的高分辨技术一直是国内外十分关注的研究热点,其中高分辨多目标定向技术是国内外集中力量研究的重点。该项技术的突破对声纳、雷达、地质勘探、生物医学工程等多项国防和民用建设领域均具有重要意义。尤其是水下多目标方位的高分辨精确估计技术,是目前加强海防、进行海洋开发迫切需要突破的一项关键技术。本文在国家自然科学基金和高等学校博士学科点专项科研基金及国防973等项目的资助下,对贝叶斯高分辨方位估计方法进行了深入的研究,并且针对贝叶斯高分辨方位估计方法存在的计算量大、实时应用困难等问题,把蒙特卡罗方法与之相结合,研究基于蒙特卡罗方法的高分辨方位估计新方法。本文的主要研究工作及研究成果如下:
1.深入研究了贝叶斯高分辨方位估计方法。
首先介绍了贝叶斯高分辨方位估计方法的理论,包括利用单次快拍、基于目标空间角谱估计和利用多次快拍、基于信号参数的最大后验概率密度估计的两种贝叶斯高分辨方位估计方法。其次分析、比较了这两种方法的原理和性能。研究结果表明:后一种方法的原理相对简单,而且性能更好。因此重点对后一种方法进行了详细、深入的研究。结果表明:贝叶斯最大后验概率方位估计方法(Bayesian Max... |
| 【论文题纲】 |
|
第一章 绪论 |
9-14 |
|
1.1 本文的研究目的和意义 |
9-10 |
|
1.2 高分辨方位估计技术的发展过程及概况 |
10-12 |
|
1.3 本文的主要研究内容 |
12-14 |
|
第二章 阵列信号处理基础 |
14-24 |
|
2.1 基本数学原理 |
14-18 |
|
2.1.1 贝叶斯定理 |
14-15 |
|
2.1.2 贝叶斯先验分布的选取方法 |
15-16 |
|
2.1.3 高斯分布 |
16-17 |
|
2.1.4 均方误差 |
17 |
|
2.1.5 特征值分解 |
17-18 |
|
2.1.6 黄金分割搜索法 |
18 |
|
2.2 信号与阵列模型 |
18-23 |
|
2.2.1 假设条件 |
18-19 |
|
2.2.2 信号模型 |
19 |
|
2.2.3 噪声模型 |
19 |
|
2.2.4 阵列模型 |
19-21 |
|
2.2.5 方位估计的克拉美罗界 |
21-23 |
|
2.3 本章小结 |
23-24 |
|
第三章 蒙特卡罗方法 |
24-35 |
|
3.1 蒙特卡罗方法概述 |
24-25 |
|
3.2 经典蒙特卡罗方法 |
25-30 |
|
3.2.1 基本原理 |
25-26 |
|
3.2.2 随机数的产生 |
26-29 |
|
3.2.3 改进方法 |
29-30 |
|
3.3 马尔可夫链蒙特卡罗方法 |
30-34 |
|
3.3.1 基本思路 |
30-32 |
|
3.3.2 分类 |
32-34 |
|
3.3.3 应该注意的几个问题 |
34 |
|
3.4 本章小结 |
34-35 |
|
第四章 贝叶斯高分辨方位估计方法 |
35-48 |
|
4.1 贝叶斯高分辨方位估计方法的原理概述 |
35-37 |
|
4.1.1 基于目标空间角谱估计的贝叶斯方位估计方法 |
35-36 |
|
4.1.2 基于信号参数的最大后验概率密度估计的贝叶斯方位估计方法 |
36 |
|
4.1.3 两方法的比较 |
36-37 |
|
4.2 贝叶斯最大后验概率方位估计方法 |
37-47 |
|
4.2.1 理论推导 |
37-42 |
|
4.2.2 降低运算最的几种措施 |
42-43 |
|
4.2.3 性能分析 |
43-47 |
|
4.3 本章小结 |
47-48 |
|
第五章 基于吉布斯抽样的贝叶斯最大后验概率方位估计 |
48-57 |
|
5.1 贝叶斯最大后验概率方位估计方法 |
48-49 |
|
5.1.1 原理 |
48 |
|
5.1.2 性能 |
48-49 |
|
5.1.3 存在的问题以及解决措施 |
49 |
|
5.2 基于MCMC方法的贝叶斯最大后验概率方位估计方法 |
49-51 |
|
5.3 基于吉布斯抽样的贝叶斯最大后验概率方位估计方法 |
51-56 |
|
5.3.1 理论推导 |
51-53 |
|
5.3.2 性能分析 |
53-56 |
|
5.4 本章小结 |
56-57 |
|
第六章 基于重要性抽样的最大似然方位估计 |
57-71 |
|
6.1 最大似然方位估计方法 |
57-59 |
|
6.1.1 最大似然方位估计方法原理 |
57-59 |
|
6.1.2 最大似然方位估计方法性能以及存在的问题 |
59 |
|
6.2 基于经典蒙特卡罗方法的最大似然方位估计方法 |
59-60 |
|
6.3 基于重要性抽样的最大似然方位估计方法 |
60-70 |
|
6.3.1 理论推导 |
60-67 |
|
6.3.2 性能分析 |
67-70 |
|
6.4 本章小结 |
70-71 |
|
第七章 基于重要性抽样的贝叶斯最大后验概率方位估计 |
71-80 |
|
7.1 基于经典蒙特卡罗方法的贝叶斯最大后验概率方位估计方法 |
71-72 |
|
7.2 基于重要性抽样的贝叶斯最大后验概率方位估计方法 |
72-79 |
|
7.2.1 理论推导 |
72-76 |
|
7.2.2 性能分析 |
76-79 |
|
7.3 本章小结 |
79-80 |
|
全文总结 |
80-82 |
|
作者在攻读硕士学位论文期间发表的学术论文 |
82-83 |
|
致谢 |
83-84 |
|
参考文献 |
84-87 |
|
| 【DOI】 | LunWen.ID:2.2008.345353 |
